Современные проблемы информатизации в моделировании...

ВОРОНЕЖСКИЙ ГОСУДАРСТВЕННЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ

ЛИПЕЦКИЙ ГОСУДАРСТВЕННЫЙ ТЕХНИЧЕСКИЙ

УНИВЕРСИТЕТ

ВОЛОГОДСКИЙ ГОСУДАРСТВЕННЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ

БАКИНСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ

МЕЖДУНАРОДНЫЙ ИНСТИТУТ КОМПЬЮТЕРНЫХ

ТЕХНОЛОГИЙ

СОВРЕМЕННЫЕ ПРОБЛЕМЫ ИНФОРМАТИЗАЦИИ В МОДЕЛИРОВАНИИ И ПРОГРАММИРОВАНИИ

Сборник трудов Выпуск 11

(по итогам XI международной открытой научной конференции)

Издательство "Научная книга" Воронеж - 2006

СПИ-МП-2006

ББК 32.81 С56

Современные проблемы информатизации в моделиро-

вании и программировании: Сб. трудов. Вып. 11/ Под ред. д.т.н., проф. О.Я.Кравца. - Воронеж: Издательство "Научная книга", 2006. - 156 с. (157-312)

ISBN 5-98222-091-4

Сборник трудов по итогам XI Международной открытой науч-ной конференции “Современные проблемы информатизации в моделировании и программировании”, проводившейся в ноябре 2005 - январе 2006 гг., содержит материалы по следующим основным направлениям: моделирование и анализ в прикладных задачах; про-граммное обеспечение и СУБД; теория моделирования и анализа.

Материалы сборника полезны научным и инженерно-техническим работникам, связанным с различными аспектами ин-форматизации современного общества, а также аспирантам и студен-там, обучающимся по специальностям, связанным с информатикой и вычислительной техникой.

Редколлегия сборника: Кравец О.Я., д-р техн. наук, проф., руководитель Центра дис-

танционного образования ВорГТУ (главный редактор); Алиев А.А., д-р техн. наук, проф., зав. кафедрой ИТиП БГУ; Блюмин С.Л., за-служенный деятель науки РФ, д-р физ.-мат. наук, проф., кафедра ПМ ЛГТУ, Водовозов А.М., канд. техн. наук, доц., зав. кафедрой УВС ВолГТУ; Подвальный С.Л., заслуженный деятель науки РФ, д-р техн. наук, проф., зав. кафедрой АВС ВорГТУ; Шиянов А.И., за-служенный деятель науки РФ, д-р техн. наук, проф., ректор МИКТ.

ББК 32.81

ISBN 5-98222-091-4 Коллектив авторов, 2006

СПИ-МП-2006

159

Введение Уважаемые коллеги! Перед Вами сборник трудов, опубликованный по итогам одиннадца-

той Международной открытой научной конференции “Современные про-блемы информатизации”. Конференция проводилась в рамках плана Феде-рального агентства по образованию Воронежским государственным тех-ническим университетом, Бакинским государственным университетом, Вологодским государственным техническим университетом, Липецким го-сударственным техническим университетом, Международным институтом компьютерных технологий в ноябре 2005 - январе 2006 гг.

Было решено провести в рамках настоящей конференции три тема-тически дифференцированные - “Современные проблемы информатизации в прикладных задачах”, “Современные проблемы информатизации в ин-формационных системах и телекоммуникациях”, «Современные проблемы информатизации в моделировании и программировании».

Цель конференции - обмен опытом ведущих специалистов в области применения информационных технологий в различных сферах науки, тех-ники и образования. Конференция продолжила традиции, заложенные своими предшественницами.

Представители ведущих научных центров и учебных заведений Рос-сии, Украины, Беларуси, Казахстана, Литвы и Азербайджана представили результаты своих исследований, с которыми можно ознакомиться не толь-ко в настоящем сборнике, но и на http://www.sbook.ru/spi.

Настоящий сборник содержит труды участников конференции по следующим основным направлениям:

• моделирование и анализ в прикладных задачах; • программное обеспечение и СУБД; • теория моделирования и анализа. Оргкомитет конференции признателен сотрудникам ОАО «Воро-

нежсвязьинформ», А.Федорову и О.Деревенцу за большую организацион-но-техническую помощь, оказанную в процессе подготовки и проведения конференции.

Председатель оргкомитета, руководитель Центра дистанционного образования Воронежского государственного технического университета, д-р техн. наук, проф.

О.Я.Кравец

[email protected]

http://www.sbook.ru/spi

mailto:[email protected]

СПИ-МП-2006

160

5. Моделирование и анализ в прикладных задачах

Авсеева О.В. МОДЕЛИРОВАНИЕ ТЕПЛОВЫХ И ТЕРМОМЕХАНИЧЕСКИХ

ЭФФЕКТОВ, ВОЗНИКАЮЩИХ В СТРУКТУРЕ МИКРОЭЛЕКТРОНЫХ УСТРОЙСТВ ПРИ ВОЗДЕЙСТВИИ

РАДИАЦИИ [email protected]

Изделия электронной техники широко используются в аппаратуре

двойного назначения на летательных аппаратах, космических объектах, ядерных энергетических установках, атомных энергосистемах. При экс-плуатации в этих условиях они испытывают воздействие радиации, кото-рое, в частности, приводит к возникновению тепловых и термомеханиче-ских эффектов.

Эти эффекты заключаются в резком почти мгновенном выделении энергии, в течение которого процесс перераспределения тепла еще не вступает в силу. В этот момент температура элементов конструкции резко увеличивается, возникают упругие волны напряжений, разрушающие кон-струкцию. После этого начинается перераспределение тепла, которое на-кладывается на существующие процессы и приводит к возникновению температурных напряжений.

В настоящее время расширилась область применения элементной ба-зы, что повлекло за собой необходимость учета новых эффектов и моди-фикацию существующих.

В соответствии с новыми требованиями была разработана модель расчета тепловых и термомеханических эффектов, в которой были учтены реальные амплитудно-временные и спектрально-энергетические характе-ристики радиационного воздействия, динамика протекания процессов рас-пределения тепла и генерации напряжений и их взаимодействие, а также микроструктура кристалла кремния и расположение активных элементов, форма конструкции и габаритные размеры.

Особенностью предложенной модели является то, что процессы выде-ления энергии, изменения температурного поля и генерации напряжений рас-сматриваются в совокупности в квантованные моменты времени. При расче-те напряжений в каждый момент времени учитывается динамика изменения температуры. С целью учета микроструктуры кристалла, конструкции и формы изделия расчет производится для пространственной модели в узлах введенной сетки. Расчет дозы осуществляется с учетом реальной конструк-ции изделия и микродозиметрических характеристик излучения в каждой точке сетки в квантованные моменты времени


СПИ-МП-2006

161

Проведен цикл работ по моделированию и экспериментальные ис-следования конструктивных элементов изделий микроэлектроники, кото-рые подтвердили достаточную адекватность предложенных решений для практических целей.

Арнаутов А.А., Багирова М.А., Кравец О.Я. ПОВЫШЕНИЕ ЭФФЕКТИВНОСТИ МЕНЕДЖМЕНТА НА ОСНОВЕ

ОПТИМИЗАЦИИ ТРАНСПОРТНОГО ОБСЛУЖИВАНИЯ [email protected]

Важным фактором развития распределенных образовательных сис-

тем (РОС) является оптимальная система планирования транспортного об-служивания, к которой предъявляются высокие требования в отношении качества, регулярности и надежности транспортных связей и безопасности перевозки, сроков и стоимости доставки. Важнейшим показателем качест-ва транспортной системы является рациональное использование сущест-вующих транспортных сетей, реализация преимуществ их географического расположения и коммуникационной способности, обеспечивающей крат-чайший путь между удаленными объектами РОС.

Для повышения эффективности менеджмента на основе транспорт-ного обслуживания необходимо осуществить:

1) формирование оптимальной схемы заездов преподавателей и со-ответствующей транспортной схемы, обеспечивающей минимизацию «хо-лостого» пробега и максимальную загрузку транспорта;

2) оптимизацию структуры и состава перевозочных средств с точки зрения пассажировместимости и ремонтно-эксплуатационных расходов.

Основной целью оптимизации транспортного обслуживания РОС яв-ляется организация перевозок преподавателей между элементами РС на основе существующей транспортной системы. При этом увеличивается число удаленных образовательных объектов, обслуживаемых одним пре-подавателем при соблюдении условия RT ≥ RC, где RT – затрачиваемые ре-сурсы на многократную перевозку преподавателя в обслуживаемый уда-ленный объект РС, RC – затрачиваемые ресурсы на стационарное содержа-ние преподавателя, выполняющего те же функции на объекте РС без уда-ленного обслуживания.

Для решения комбинированной задачи формирования вариантов расписания учебных занятий был разработан эвристический алгоритм, со-четающий в себе элементы теории расписаний и оптимизации на сетях.

Общий алгоритм оптимизации алгоритм оптимизации обслуживания запросов системой состоит из трех взаимосвязанных блоков: составление расписания, выбор оптимального набора заявок на перевозку (оптимизация расписания на транспортной сети), определение плана перевозок (рис. 1).


СПИ-МП-2006

162

Обобщенный алгоритм формиро-вания варианта расписания вклю-чает последова-тельное выполне-ние следующих ша-гов.

Шаг 1. Берем элементы множест-ва S, соответст-вующие множеству R однократно (за-нятия, которые не-обходимо провести за период R один раз).

Шаг 2. Нахо-дим соответствую-щие ему все эле-менты множеств P и N. Таким образом

на втором шаге известно: сколько раз за время R необходимо провести за-нятий типа S1, в каких пунктах сети это можно сделать и какие преподава-тели могут провести это занятие.

Шаг 3. Определяются множество путей перемещения всех препода-вателей, способных провести занятие S1. И составляется множество заявок Z на перемещение преподавателей.

Шаг 4. Повторяются шаги 1-3 для каждого элемента множества S. Шаг 5. Проверка соответствия множеству ограничений (U), исклю-

чение заявок. Шаг 6. Блок оптимизации расписания с учетом взаимного удаления

филиалов. Шаг 7. Если необходимо провести еще занятия на множестве R., то

повторить шаг 1-5. Шаг 8. Передача Z в блок определения оптимального плана перево-

зок. В результате реализации алгоритма формируется вариант расписания

учебных занятий и генерируется множество заявок на перемещение в рас-пределенной образовательной системе.

Рис. 1. Общий алгоритм оптимизации транспорт-ного обслуживания запросов в распределенной системе

СПИ-МП-2006

163

Артемов А.А. АНАЛИЗ ВЕКТОРНЫХ ПОЛЕЙ АВТОНОМНЫХ НЕЛИНЕЙНЫХ

СИСТЕМ ДИФФЕРЕНЦИАЛЬНЫХ УРАВНЕНИЙ ХТС С РАЗЛИЧНЫМИ ЗУ [email protected]

В работе [1] предложен алгоритм синтеза законов управления мето-

дом АКАР химико-технологическими объектами периодического действия на основе нелинейного коэффициента настройки дифференциального при-тягивающего оператора. Рассмотрим две настроечные функции (НФ), удовлетворяющие условию 0)( 0 >B

H Cf 0)0( ==BH Cf 0)( >B

H

B

CfdC

d : 1)

3)10/)tanh(()( 21 kCСf kkBB

Н ⋅= , 2) 3)0/)()( 11 kСbCСf kkBB

Н ⋅= , где 0

3V

Gk

MAXA= , а

k1 и k2, корректируются исходя из ограничения MAXAA GG ≤≤0 . Пусть BCy =

ACx = , k -коэффициент скорости химической реакции, тогда правые части системы ДУ и векторные поля для простейшего РПД [2] имеют следую-щий вид: для НФ 1

ykCyyxf

yxkxxxkkCyyxf

kB

k

kB

k

⋅⋅

−=

⋅⋅−−⋅

⋅−⋅=

3),(2

)0(3),(1

10

1

10

1

для НФ 2

ykyyxf

yxkxxxkkyyxf

k

k

k

k

⋅⋅

−=

⋅⋅−−⋅

⋅−⋅

=

310

tanh),(2

)0(310

tanh),(1

2

1

2

1

Проанализировав полученные поля, можно сделать выводы: 1. Векторные поля для НФ 1 и 2 имеют идентичную структуру. 2. Исходные системы имеют точки равновесия:1) ]0,0[ 2) ]0,[ 0АC . 3. Учитывая, что в начальный момент времени 0=x , 0BСy = , то на

финишной стадии изображающая точка фазового пространства системы перейдет в начало координат, что и является целью управления.


СПИ-МП-2006

164

Список использованных источников 1. Артемов А.А. Алгоритм синтеза закона управления ХТС с исполь-

зованием нелинейного коэффициента настройки ПДО// Сб. тр. ВИТНП, том I, Ростов-на-Дону, изд. РГУ, 2005.

2. Артемов А.А. Рациональное управление простейшим РПД на ос-нове ограниченной функции. // Сб. тр. СПИ-ТТ-2004, «Научная книга», Воронеж, 2004.

Вильдяев А.А. ПРИБЛИЖЕННЫЕ МЕТОДЫ РЕШЕНИЯ ЗАДАЧИ JOB SHOP

ТЕОРИИ РАСПИСАНИЙ [email protected]

Рассмотрим следующую задачу теории расписаний. Пусть дано

множество машин ,...,, 21 mMMMM = , 2≥m и множество работ ,...,, 21 nJJJJ = , готовых к выполнению на этих машинах. Каждая работа

kJ состоит из m операций mkkk ooo ,...,, 21 , причем каждая операция iko выполняется соответствующей машиной iM . В один момент времени ма-шина может быть занята только одной работой, а работа может выпол-няться только на одной машине. Времена выполнения операций заданы матрицей nmijaA ×= |||| .

Существует несколько типов таких задач. В задаче flow shop мар-шруты прохождения работ по машинам одинаковы. Специфика задачи job shop состоит в том, что маршруты прохождения работ по машинам могут отличаться друг от друга. В обеих задачах требуется найти порядок вы-полнения работ, соответствующий заданным маршрутам и минимизирую-щий время окончания выполнения всех работ на всех машинах.

Предлагается следующий подход к решению задачи job shop. Снача-ла задача job shop сводится к задаче flow shop, а затем для решения задачи flow shop применяются методы локального поиска. Так как в задаче job shop маршрут прохождения работ по машинам неодинаков, сначала следу-ет выбрать базовый маршрут для задачи flow shop. Здесь может быть не-сколько подходов, один из которых – выбор наиболее популярного мар-шрута в задаче job shop. Далее происходит разбиение работ на псевдорабо-ты (фрагменты исходных работ) в соответствии с выбранным базовым маршрутом. В результате получаем задачу flow shop с ограничением предшествования для псевдоработ.

Для задачи flow shop с ограничением предшествования вводится по-нятие критического пути (путь максимальной длины в матрице A ) обоб-щающее аналогичное понятие для задачи flow shop. Схема построения критического пути следующая: 1) выделяются «важные» псевдоработы, то


СПИ-МП-2006

165

есть работы, время начала выполнения которых зависит от времени окон-чания других работ; 2) в матрице A добавляется нулевая строка, зависящая от «важных» работ. В полученной матрице критический путь ищется ана-логично задаче flow shop.

К полученной задаче flow shop применяется метод локального поис-ка. Решение задачи состоит из следующих этапов: 1) выбор начального решения; 2) элиминация неэффективных преобразований расписания, ос-нованная на анализе критических путей матрицы A ; 3) переход к следую-щему расписанию (здесь возможна как некоторая перестановка столбцов матрицы A , так и перестановка строк, что соответствует смене базового маршрута) и анализ его окрестности.

Список использованных источников

1. Мирецкий И. Ю., Щербаков М.А. Матричные модели и методы в теории расписаний: Монография. – Пенза: Изд-во Пенз. гос. ун-та, 2003.

Гаврилов А.В. КОМБИНИРОВАННАЯ МОДЕЛЬ ТРАНСПОРТНОЙ СЕТИ

[email protected] В качестве информационной модели при создании систем управле-

ния транспортными сетями Международным Союзом Электросвязи (ITU-T) рекомендована базовая информационная модель сети (ITU-T Rec. M.3100), основанная на базовой функциональной архитектуре транс-портных сетей (ITU-T Rec. G.805). Эти модели разграничивают информа-цию, связанную с сетевым уровнем и информацию, связанную с уровнем сетевых элементов, в соответствии с концепцией TMN (ITU-T Rec. M.3010).

Модель транспортной сети, утвержденная в рекомендациях ITU-T, основана на принципах разделения сети на уровни (слои) и части. Соеди-нения создаются в пределах уровня и либо в пределах части уровня (под-сети) либо через несколько частей (составное соединение). Связи между уровнями выполняются через точки доступа на уровень и функции адапта-ции перехода сигнала с уровня на уровень (физический смысл – операции мультиплексирования / демультиплексирования). Отдельно разработаны модели сетевых элементов, представляющие точки окончания соединений на определенных уровнях (число уровней и их типы зависят от конкретно-го оборудования, для которого составляется модель) и соединения между точками в пределах блока (функции адаптации и кросс-коннекта). Физиче-ская реализация этих моделей используется в различных системах управ-ления разных уровней концепции TMN.


СПИ-МП-2006

166

Системы управления сетью и сетевыми элементами, созданные в со-ответствии с этой моделью, характеризуются тесным взаимодействием и большим трафиком информации управления. Особенно это проявляется при выполнении такой операции, как создание соединения в сети – система управления сетью вынуждена каждый раз обращаться за информацией о свободных ресурсах конкретного сетевого элемента к системе управления сетевыми элементами.

При разработке двухуровневой единой системы мониторинга и ад-министрирования гетерогенного оборудования была создана комбиниро-ванная модель сети, позволяющая учесть на уровне управления сетью ос-новные параметры конфигурации сетевых элементов.

Отличие предлагаемой модели от стандартной модели – введение дополнительных сущностей и связей в структуру каждого уровня и полу-чение повторяемой структуры каждого уровня, что позволило уменьшить взаимодействие между системами управления, а также снизить вычисли-тельную сложность алгоритмов анализа структуры сети, поиска и проклад-ки логических каналов.

Гусинская Е.И. НОВЫЙ ПОДХОД К ПОСТРОЕНИЮ ЦИФРОВЫХ БАНКОВ

ФИЛЬТРОВ С ПОЛНЫМ ВОССТАНОВЛЕНИЕМ [email protected]

При построении банков фильтров, учитывающих частотные свойства

сигнала, банки фильтров могут состоять из фильтров с многокомпонент-ной АЧХ. Один из подходов, позволяющих рассчитать банки фильтров с произвольной формой АЧХ, был предложен Вайдьянатханом [1]. Благода-ря решетчатой структуре фильтров этот метод обеспечивает полное вос-становление даже при неточной оптимизации. Основная сложность при расчете коэффициентов фильтров заключается в большом числе оптимизи-руемых параметров. Кроме того, существование локальных экстремумов целевой функции не гарантирует сходимость оптимизационной задачи к глобальному минимуму при использовании градиентных методов оптими-зации. В зависимости от выбора начальной точки алгоритм сходится к од-ному из локальных экстремумов.

В настоящее время большое число методов обработки сигналов и изображений основаны на интеллектуальных алгоритмах обработки дан-ных, таких как генетические алгоритмы, нейронные сети и т.п. В недавних публикациях [2, 3] рассматривались вопросы синтеза КИХ-фильтров с по-мощью генетических алгоритмов, а также применение генетических алго-ритмов при расчете рекурсивных фильтров.


СПИ-МП-2006

167

В данной работе предлагается использовать генетические алгоритмы для расчета коэффициентов банка фильтров. Преимуществами генетиче-ских алгоритмов является то, что они рассматривают всю область опреде-ления целевой функции и не требуют знания производной целевой функ-ции [4]. Подход заключается в том, что решения, полученные с помощью генетических алгоритмов, становятся отправными точками для традицион-ных градиентных методов расчета коэффициентов банков фильтров.


1. Vaidyanathan P.P. Theory and Design of M-Channel Maximally Deci-mated Quadrature Mirror Filters with Arbitrary M, Having the Perfect-Reconstruction Property // IEEE Trans. Acoust. Speech. Signal Processing, vol. ASSP-35, 4, April 1987.

2. Апальков И.В., Хрящев В.В., Нери Ф. Синтез цифровых КИХ-фильтров без умножителей с помощью генетических алгоритмов // Тр. 7-й МНК “Цифровая обработка сигналов и ее применение”, М. 2005. С. 75–78.

3. Виноградов О.Л. Оценка параметров рекурсивных цифровых фильтров на основе совместного использования генетического алгоритма и метода наименьших квадратов // Тр. 13-й МНК “Проблемы передачи и об-работки информации в сетях и системах телекоммуникаций”, Рязань, РГРТА. 2004. С. 37–38.

4. Mitchell M. Introduction to Genetic Algorithms. MIT Press 1996.

Данильчук В.С., Веригин А.Н., Шевчук С.В. ВЛИЯНИЕ ГЕОМЕТРИЧЕСКОЙ ФОРМЫ ЗОНЫ РАЗДЕЛЕНИЯ ВОЗДУШНОГО КЛАССИФИКАТОРА НА ЭФФЕКТИВНОСТЬ

РАЗДЕЛЕНИЯ [email protected]

Настоящее исследование относится к центробежным воздушным

классификаторам с вращающимися элементами конструкции и имеет це-лью определение влияния геометрической формы зоны разделения на эф-фективность классификации.

В большинстве центробежных классификаторов зона разделения представляет плоский канал. По мере смещения частицы в радиальном на-правлении в сторону одной из границ разделения изменяется величина массовой силы, с другой стороны, изменяется площадь проходного сече-ния и, как следствие, изменяется величина силы сопротивления. Поэтому в плоском канале, равновесие сил для частиц определенного размера может достигаться только на одном радиусе.

Управлением величиной действующей на частицы силы со стороны воздушной среды путем изменения проходного сечения в радиальном на-


СПИ-МП-2006

168

правлении можно добиться равновесия частиц некоторого размера на всем протяжении зоны разделения.

Задача установления равновесия не является самоцелью, поскольку на конечный результат будут оказывать влияние распределение радиаль-ной и окружной скорости частиц на входе, а так же распределение частиц по радиусу на входе в зону разделения. В этой связи с целью увеличения эффективности разделения представляет интерес возможность регулиро-вания соотношения определяющих движение частиц сил путем изменения проходного сечения зоны разделения в радиальном направлении и опреде-ление оптимальной формы проходного сечения.

Рассмотрим ограниченную вращающимися стенками зону разделе-ния (рис. 1) с изменяющейся по степенному закону высотой h проходного сечения:

α

=

rRHh ввод

, (1)

где H – высота зоны разделения в месте ввода материала, Rввод – расстоя-ние от центра вращения до места ввода, r – текущий радиус, α – показатель степени, определяющий форму проходного сечения и являющийся пара-метром, величину которого необходимо определить исходя из требования обеспечения максимальной эффективности разделения.

Рисунок 1 - Схема зоны разделения с переменным проходным сече-

нием: Х0 – расстояние от внутренней границы до центра загрузочного ка-нала; Хк – ширина загрузочного канала; Х – ширина зоны разделения; h – высота канала в месте ввода материала

Величина α определяет площадь проходного сечения и скорость воз-

духа на любом расстоянии от центра вращения. При α=0 канал принимает форму плоского, при α=1 высота проходного сечения возрастает от пери-ферии к центру по линейному закону.

Анализ работы классификатора производился на основании построе-ния кривых разделения, которые формировались путем расчета траекторий частиц при различной величине показателя степени α в уравнении (1).

Для определения траекторий частиц и установления факта выхода последних в один из продуктов разделения использовалась математическая

СПИ-МП-2006

169

модель центробежной классификации, в основе которой лежат уравнения движения частицы в плоском осесимметричном потоке. В полярной систе-ме координат уравнения модели имеют вид [1]:

( )[ ]rwvr

vdt

dvrr

r −⋅−= βϕ2

, (2)

( )[ ]rwvr

vvdt

dv rϕϕ

ϕϕ β −⋅−⋅

−= , (3)

rvdtdr

= , (4)

rv

dtd ϕϕ

= , (5)

( ) ( )n

rrч

гn

n

wvwvva−

+

−+−⋅⋅⋅⋅=

122

143

ϕϕρρ

δβ , (6)

где rv и ϕv - радиальная и окружная скорости движения частицы; rw и ϕw - радиальная и окружная скорости потока; r и ϕ - радиальная и окружная координаты частицы.

В уравнении (5) величины a и n являются параметрами аппрокси-мационного выражения для коэффициента сопротивления вида n

f ac −⋅= δRe , которые в зависимости от режима обтекания имеют значения: 24=a , 1=n при 1Re ≤δ , 13=a , 5,0=n при 310Re1 ≤< δ , 48,0=a , 0=n при 310Re >δ .

Для решения системы уравнений (2-6) они должны быть дополнены начальными условиями

0=t : 0rr = , 0ϕϕ = , 0rr vv = , 0ϕϕ vv = (7) и уравнениями, задающими поле скоростей воздушного потока, которые в рассматриваемом случае имеют вид:

rw

rwRw rr

r11 −=

⋅= , (8)

rw

rwR

w 11 ϕϕϕ =

⋅= , (9)

где R и r - внешний и текущий радиусы потока. Оценка случайного смещения частицы x∆ в результате пульсацион-

ного действия среды за промежуток времени τ∆ проводилась по уравне-нию

τγ ∆⋅⋅=∆ Dx , (10) где D - коэффициент турбулентной диффузии; γ - случайная величина, распределенная по нормальному закону с математическим ожиданием рав-ным нулю и среднеквадратическим отклонением ζ , являющимся парамет-ром модели.

Величина x∆ прибавляется к перемещению, определяемому на осно-вании действия на частицу в течение промежутка времени τ∆ массовой силы и силы сопротивления, вычисленной по осредненным характеристи-кам течения в данной точке.

СПИ-МП-2006

170

Результатом численного интегрирования системы уравнений (2-9) с учетом уравнения (10) являются траектории отдельных частиц, которые могут служить основанием для построения кривых разделения и оценки эффективности разделения.

Расчёты проводились для зоны классификации со следующими гео-метрическими размерами: радиус внешней границы Rн=0.12 м, радиус внутренней границы Rв=0.07 м, расстояние от центра до места ввода час-тиц Rввод=0.1 м. (см. рисунок 1).

Кривые разделения рассчитывались из условия, что начальные ок-ружные скорости всех частиц равны окружной скорости воздуха, а началь-ные радиальные скорости равны 0. Предполагалось, что ввод частиц про-изводится в центре зоны разделения, при этом частицы имеют одну и ту же начальную радиальную координату. В результате обработки массовых численных экспериментов в виде кривых разделения для каждого выбран-ного значения α определялась величина общепринятого критерия эффек-тивности χ [2], равного отношению размеров частиц, вышедших в мелкий продукт соответственно на 75% и 25%:

25.0

75.0

δδ

χ = . (10)

Пример кривой разделения, рассчитан-ной для случая α=1/3, показан на рис. 2.

При одинаковой начальной скорости частиц и точечном вво-де, расширяющийся ка-нал дает небольшой прирост эффективности (рис. 3-А). При возрас-тании α от 0 до 2 коэф-фициент эффективно-сти возрастает от 0,9 до 0,96.

В реальных условиях скорость отдельных частиц на входе может от-личаться от скорости воздуха. Для оценки этого фактора построены кри-вые разделения с учетом разброса начальных скоростей. Начальная ско-рость частиц рассчитывалась как сумма скорости воздуха V0 и прибавки Vдоп, которая оценивалась как равномерно распределенная на интервале от - rw до + rw случайная величина.

Как видно из рис. 3-Б, в случае, когда частицы на входе имеют рас-пределение по скоростям, величина параметра α оказывает большее влия-ние на эффективность классификации. При величине α=2 распределение

Рис. 2. Кривая разделения

СПИ-МП-2006

171

частиц по скоростям практически не оказывает влияния на результат раз-деления, в то время как для плоского канала при α=0 вредное влияние раз-личия скоростей частиц на входе выражается в снижении эффективности классификации до χ=0,8.

Таким образом, можно сделать вывод, что расширяю-щееся от периферии к центру проходное сечение способству-ет увеличению эффективности классификации. По результатам численного исследования мож-но рекомендовать величину па-раметра α в уравнении (1) в пре-делах 1,7 – 2.

В то же время нужно иметь в виду, что увеличение высоты между вращающимися стенками в радиальном направ-лении может иметь отрицатель-ное влияние по причинам, не учтенным в использованной мо-дели.

К упомянутым причинам можно отнести возможность образования для целой группы частиц свое-образной «потенциальной ямы», на границах которой преобладают силы, препятствующие выходу частиц из зоны разделения. В этом случае воз-можно повышение концентрации и увеличение частоты их взаимных столкновений. Другим механизмом возможного снижения эффективности, который может проявиться при чрезмерной кривизне формы проходного сечения, может быть отрыв потока от стенки канала с образованием вихре-вого движения. Влияние связанных с профилированием зоны разделения указанных факторов требует проведения дополнительных исследований.


1. Барский М.Д. Фракционирование порошков. – М.: Недра, 1980. – 327 с.

2. Мизонов В.Е., Ушаков С.Г. Аэродинамическая классификация по-рошков. М.: Химия, 1989. 160с.

Рис. 3. Зависимость эффективности классификации от параметра α: А – без учета разброса начальных скоро-стей; Б – с учетом разброса начальных скоростей

СПИ-МП-2006

172

Данильчук В.С., Веригин А.Н., Шевчук С.В. ИССЛЕДОВАНИЕ ВЛИЯНИЯ ГЕОМЕТРИИ ЗОНЫ РАЗДЕЛЕНИЯ НА ЭФФЕКТИВНОСТЬ КЛАССИФИКАЦИИ ДИСПЕРСНЫХ

МАТЕРИАЛОВ [email protected]

При экспериментальных исследованиях обычно проводится оценка эффективности классификации, получаемая в результате совокупного дей-ствия всех факторов, влияющих на процесс разделения. При этом трудно выделить влияние отдельного фактора. Моделирование позволяет иссле-довать влияние каждого фактора в отдельности, исключив из рассмотрения остальные. Результаты моделирования могут служить основанием для принятия решений по целенаправленному совершенствованию конструк-ции классификатора.

Причинами, снижающими эффективность классификации могут быть расположение места ввода материала относительно границ выхода крупного и мелкого продуктов, а так же ширина подводящего канала. Це-лью настоящей работы является установление влияния этих факторов на качество классификации.

Рассмотрим поведение группы частиц (порошка полидисперсного состава) в зоне разделения, представляющей закрученный вокруг оси воз-душный поток со стоком в центре. Такой способ разделения может быть реализован в устройстве, в соответствии изображенной на рис. 1 схемой.

Рис. 1. Схема воздушного классификатора с вращающейся зоной

разделения: Х0 – расстояние от внутренней границы до центра подводяще-го канала; Хк – ширина подводящего канала; Х – ширина зоны разделения

Анализ работы классификатора производился на основании кривых разделения, которые формировались путем расчета траекторий частиц с различными начальными условиями, соответствующим тому или иному конструктивному варианту. Для исследования использовалась математиче-ская модель с учетом турбулентных пульсаций.

Детерминированная математическая модель центробежной класси-фикации, при которой центробежная сила инерции значительно превышает силу тяжести, может быть описана уравнениями движения частицы в плоском осесимметричном потоке, которые в полярной системе координат имеют вид [1]:


СПИ-МП-2006

173

( )[ ]rwvr

vdt

dvrr

r −⋅−= βϕ2

, (1)

( )[ ]rwvr

vvdt

dv rϕϕ

ϕϕ β −⋅−⋅

−= , (2)

rvdtdr

= , (3)

rv

dtd ϕϕ

= , (4)

( ) ( )n

rrч

гn

n

wvwvva−

+

−+−⋅⋅⋅⋅=

122

143

ϕϕρρ

δβ , (5)


В уравнении (5) величины a и n являются параметрами аппроксима-ционного выражения для коэффициента сопротивления вида n




rw

rwRw rr

r11 −=

⋅= , (7)

rw

rwR

w 11 ϕϕϕ =

⋅= , (8)

где R и r - внешний и текущий радиусы потока. Оценка случайного смещения частицы x∆ в результате пульсацион-

ного действия среды за τ∆ проводилась по уравнению τγ ∆⋅⋅=∆ Dx , (9)

где D - коэффициент турбулентной диффузии; γ - случайная величина, распределенная по нормальному закону с математическим ожиданием рав-ным нулю и среднеквадратическим отклонением α , являющимся парамет-ром модели.

Величина x∆ прибавляется к перемещению, вычисленному на осно-вании действия на частицу в течение промежутка времени τ∆ массовой силы и силы сопротивления, вычисленных по осредненным характеристи-кам течения в данной точке.

Результатом численного интегрирования системы уравнений (1-8) с учетом уравнения (9) являются траектории отдельных частиц, которые при массовых расчетах могут служить основанием для построения кривых раз-деления и оценки эффективности разделения.

СПИ-МП-2006

174

В качестве показателя эффективности разделения использовались КПД классификатора η и степень проскока ε , определяемые как площадь между идеальной и реальной кривыми ( )δϕ

~ разделения [1,2]:

( ) δϕη dдгрд

д∫=

min

~ , (10)

( ) δδϕεδ

δd

гр∫=

max ~ , (11)

где тinδ , maxδ , грδ , δ~ - минимальный, максимальный, граничный и приве-

денный размеры частиц. Кроме того, использовался обобщенный критерий

εη

=К , (12)

учитывающий поведение кривой разделения по обе стороны от грδ . Для идеального процесса →η 1, →ε 0, →K ∞. Расчёты проводились для зоны классификации со следующими гео-

метрическими размерами: радиус внешней границы Rн=0.12 м, радиус внутренней границы Rв=0.07 м (рис. 1).

Проанализируем влияние на эффективность разделения координаты расположения ввода исходных частиц Х0 .

Кривые разде-ления рассчитаны при условии, что началь-ные окружные скоро-сти всех частиц равны окружной скорости воздуха, а начальные радиальные скорости равны 0. Ввод осуще-ствляется в точке, т. е. все частицы имеют одинаковую радиаль-ную координату. Обо-значим за 0X =Х/Х0 относительное место

ввода. Пример кривой разделения для случая расположения места ввода в близи внутренней границы зоны разделения 0X =0.1 показан на рис. 2.

При расположении места ввода в центре зоны классификации ( 0X =0.5) критерий качества классификатора составил К=50. При располо-жении места ввода частиц вблизи наружной или внутренней границы, эф-фективность классификации ниже. Величина критерия К в этих случаях составила соответственно К=30 и К=40.

Рис. 2. Кривая разделения при 0X =0.1

СПИ-МП-2006

175

Таблица 1 Эффективность классификации в зависимости от расположения

относительного места ввода частиц Относительное место ввода, 0X 0.1 0.5 0.9 Критерий качества классификатора, К 29.2 35.3 32 Степень проскока ε 0.032 0.026 0.028 КПД классификатора η 0.934 0.936 0.897

В реальных условиях начальная скорость частиц на входе может от-

личаться от скорости воздуха. Для оценки этого фактора построены кри-вые разделения при различном расположении места ввода с учетом раз-броса начальных скоростей, на основании которых посчитаны критерии качества эффективности. Начальная окружная скорость частиц рассчиты-валась как сумма скорости воздуха rw и прибавки Vдоп - случайной вели-чины от - rw до + rw , распределенной по равномерному закону.

Из табл. 2 видно, что разброс начальных скоростей частиц может снизить эффективность разделения даже при точечном вводе, если место ввода находится близко к одной из границ разделения. Наихудший резуль-тат получается, когда место ввода материала находится близко к внутрен-ней границе зоны разделения ( 0X =0.1). При расположении места ввода вблизи наружной границы 0X =0.9 не приводит к заметному снижению эф-фективности классификации. Наилучший результат достигается при вводе материала в центр зоны разделения ( 0X =0.5).

Таблица 2 Эффективность классификации с учетом разброса начальных скоростей в

зависимости от расположения относительного места ввода частиц Относительное место ввода, 0X 0.1 0.5 0.9 Критерий качества классификатора, К 6.6 16.3 16 Степень проскока ε 0.137 0.057 0.055 КПД классификатора η 0.912 0.927 0.885

Для обеспечения подачи материала в зону разделения подводящий

канал должен иметь некоторую ширину Xк. При этом на входе будет иметь место распределение частиц по радиусу, что может приводить к снижению эффективности классификации. Для оценки влияния данного фактора по-строены кривые разделения соответствующие различной ширине Xк.

Предположим, что частицы на входе равномерно распределены по всей ширине зоны, центр которой совпадает с центром зоны классифика-ции, Х0=Х/2. Обозначим за kX =Хк/Х относительную ширину зоны разде-ления (рис. 1). Для исследования влияния ширины подводящей зоны, на-чальная окружная скорость частиц принималась одинаковой и равной ок-

СПИ-МП-2006

176

ружной скорости воздуха. С увели-чением величины kX наблюдается снижение эффективности классифи-кации (рис. 3).

Резкое снижение эффективно-сти наблюдается при ширине подводящего канала Хк>0.1·Х. Кроме того, чем больше ширина подводящего канала, тем большее влияние имеет фактор распределения начальных скоростей частиц.

Таким образом, на эффектив-ность разделения влияют как место ввода частиц, так и ширина подво-

дящего канала. В большей степени влияние данных факторов проявляется, если на входе имеет место распределение частиц по скоростям. При значи-тельном разбросе начальных скоростей настоящий фактор может оказать решающее значение на эффективность разделения. Следовательно, при конструировании классификаторов следует обращать внимание на узел ввода, в котором формируется этот фактор.

Ширину подводящего канала следует выбирать такой, чтобы с одной стороны обеспечить заданную производительность, с другой стороны не допустить значительного снижения качества классификации. По результа-там численного исследования может быть рекомендована относительная ширина подводящего канала kX <0.1.

Список использованных источников 1. Барский М. Д. Фракционирование порошков. – М.: Недра, 1980. –

327 с. 2. Мизонов В. Е., Ушаков С. Г. Аэродинамическая классификация

порошков. М.: Химия, 1989. 160с.

Данильчук В.С., Веригин А.Н., Шевчук С.В. МОДЕЛИРОВАНИЕ ТРАЕКТОРИЙ ДВИЖЕНИЯ ЧАСТИЦ В ЗОНЕ

РАЗДЕЛЕНИЯ ВОЗДУШНОГО КЛАССИФИКАТОРА [email protected]

Одним из эффективных инструментов совершенствования техники для разделения дисперсных материалов по крупности частиц является мо-делирование. Целью моделирования на стадии отработки новых конструк-ций является определение оптимальных геометрических параметров зоны разделения, а также расчет управляемых технологических параметров, оп-ределяющих режим работы аппарата. Критерием оптимальности выбран-

Рис. 3. Зависимость эффективно-сти разделения от относительной ширины подводящего канала


СПИ-МП-2006

177

ной конструкции или параметров работы могут служить общепринятые критерии эффективности, построенные на основании кривых разделения.

Для аппаратов с относительно «гладкими» проточными частями и определяемым полем скоростей несущей среды приемлем метод построе-ния кривых разделения, основанный на расчете траекторий частиц разде-ляемого материала. Детерминированная математическая модель центро-бежной классификации, при которой центробежная сила инерции значи-тельно превышает силу тяжести, может быть описана уравнениями движе-ния частицы в плоском осесимметричном потоке, которые в полярной сис-теме координат имеют вид [1]:

( )[ ]rwvr

vdt

dvrr

r −⋅−= βϕ2

, (1)

( )[ ]rwvr

vvdt

dv rϕϕ

ϕϕ β −⋅−⋅

−= , (2)

rvdtdr

= , (3)

rv

dtd ϕϕ

= , (4)

( ) ( )n

rrч

гn

n

wvwvva−

+

−+−⋅⋅⋅⋅=

122

143

ϕϕρρ

δβ , (5)


В уравнении (5) величины a и n являются параметрами аппрокси-мационного выражения для коэффициента сопротивления вида n




rw

rwRw rr

r11 −=

⋅= , (7)

rw

rwR

w 11 ϕϕϕ =

⋅= , (8)

где R и r - внешний и текущий радиусы потока. Результатом численного интегрирования системы уравнений (1)-(8)

являются траектории отдельных частиц. Как следует из рисунка 1 в цен-тробежном классификаторе в равновесном состоянии находится спектр частиц с размерами, лежащими в интервале между размерами частиц, на-ходящихся в равновесии на внешнем и внутреннем радиусе потока. Теоре-

СПИ-МП-2006

178

тически любая частица из этого спектра не имеет возможности выхода за пределы зоны разделения.

А Б Рис. 1. Траектории частиц, рассчитанные на основании детермини-

рованной модели

Кривая разделения не может быть сформирована только на основа-нии «шума» начальных условий, поскольку начинающие движение в раз-ных точках частицы находят свои равновесные траектории: в зависимости от размера ближе к внутренней (рис. 1А) или внешней (рис. 1Б) границам и не выходят за пределы зоны разделения.

В реальных условиях из-за наличия взаимных столкновений и увле-чения турбулентными пульсациями воздуха частицы вытесняются со своих равновесных траекторий в один из продуктов разделения, однако это не может быть учтено в рамках детерминированных моделей.

Построение кривой разделения предполагает с некоторой вероятно-стью возможность выхода частиц одинакового размера как в крупный, так и в мелкий продукты, что наблюдается на практике. Следовательно, для построения кривой разделения в модели должны быть отражены реальные физические механизмы, приводящие к загрязнению продуктов разделения частицами противоположных классов.

Одной из причин, приводящих к изменению траекторий частиц и их выходу «не в свой продукт» являются пульсации несущей среды. Учет турбулентных пульсаций может быть проведен на основании k - ε модели турбулентности. В этом случае при интегрировании уравнений движения одиночных частиц скорость потока берется как случайная величина, под-чиняющаяся нормальному распределению со среднеквадратичным откло-нением, равным

32 k [2, 3]. По истечении интервала времени, равного ха-

рактерному времени турбулентного движения τ , выбирается новое значе-ние скорости потока. Уравнения движения для каждой частицы интегри-руются по такому количеству временных шагов, которое требуется для достижения частицей одной из границ разделения. Недостатком такого

СПИ-МП-2006

179

подхода является трудность определения параметров k и ε , на основании которых рассчитываются характерное время турбулентного движения и случайная скорость потока.

Другой возможностью является учет являющегося результатом пульсационного действия среды за промежуток времени τ∆ случайного смещения частицы x∆ . Величина x∆ прибавляется к перемещению, вычис-ленному на основании действия на частицу массовой силы и силы сопро-тивления, вычисленных по осредненным характеристикам течения в дан-ной точке. В настоящей работе оценка величины x∆ осуществлялась по уравнению

τγ ∆⋅⋅=∆ Dx (9) где D - коэффициент турбулентной диффузии, γ - случайная величина, распределенная по нормальному закону с математическим ожиданием рав-ным нулю и среднеквадратическим отклонением α , являющимся парамет-ром модели.

Рассчитанные таким образом случайные траектории отдельных час-тиц показаны на рис. 2.

А Б Рис. 2. Траектории частиц, вычисленные с учетом пульсаций потока Принципиальная разница между результатами расчетов, приведен-

ных на рис. 1 и 2 состоит не в «гладкости» траекторий частиц, а в том, что при наличии пульсаций потока частица, начавшая движение в одной точке, имеет возможность достижения поверхности выхода как мелкого (рисунок 2-Б), так и крупного (рисунок 2-А) продуктов, что позволяет сформировать кривую разделения и провести оценку конструктивных решений и режи-мов работы аппарата.


1. Мизонов В.Е. Ушаков С.Г. Аэродинамическая классификация по-рошков. М.: Химия, 1989. 160с.

СПИ-МП-2006

180

2. Мостофа А.А., Монджиа Х.Ц., Макдонелл В.Г., Самуэлсен Г.С. Распространение запыленных течений. Теоретическое и эксперименталь-ное исследование//Аэрокосмическая техника, 3, 1990. С. 65-81.

3. Старченко А.В., Бубенчинков А.М., Бурлуцкий Е.С. Численный расчет турбулентного течения газовзвеси в трубе. //ИФЖ, Т. 73, 6, 2000. С. 1170-1180.

Думачев В.Н., Родин В.А. ЦИКЛИЧЕСКИЕ РЕШЕНИЯ И ФРАКТАЛЬНЫЕ ОБРАЗОВАНИЯ

СИСТЕМЫ, ОПИСЫВАЮЩИЕ АНТАГОНИСТИЧЕСКИЕ ОТНОШЕНИЯ

[email protected] [email protected] На базе простейшего интеррационного уравнения Ферхьюльста-

Пирла изучается двупараметрическая модель совместного существования популяций

−=−=

+++

+

)1()1(

111

1

nnn

nnn

yyxxxy

βα

.

Рис.1. Аналоги фракталов Жулиа на границе зон динамических ре-

жимов Построение диаграмм Ламерея в виде двух ортогональных парабол

позволило привлечь соображения симметрии для получения новых резуль-татов. Определены области изменения управляющих параметров, гаранти-рующие реализацию определенной эволюционной ситуации: зоны устой-чивых решений, зоны появления бифуркации и циклов, зона хаоса и неоп-ределенности. Увеличение определенных частей рисунка позволяет обна-ружить известные явления: слоистые аттракторы с дробной величиной Ха-



СПИ-МП-2006

181

усдорфовой размеренности, бесконечное число уменьшающихся в размере «окон» периодических режимов, образующие в сечениях итерации анало-гов ковра Серпинского. Показано, что в данной модели, наряду с классиче-ским переходом к хаосу через субгармонический каскад, существует еще один путь, связанный с процессами переброса итерационной последова-тельности между аттракторами.

Заблоцкий С.Г. НЕПАРАМЕТРИЧЕСКИЙ АДАПТИВНЫЙ АЛГОРИТМ

УПРАВЛЕНИЯ МНОГОМЕРНЫМ ОДНОЭКСТРЕМАЛЬНЫМ СТАТИЧЕСКИМ ОБЪЕКТОМ

[email protected] В практической ситуации иногда возникает необходимость управле-

ния технологическим или иным объектом, в случае, когда неизвестна даже структура уравнений преобразования входных переменных объекта в вы-ходные. Априорно об объекте известны лишь качественные характеристи-ки. А именно, объект является одноэкстремальным, т.е. при текущих зна-чениях неуправляемых, но измеряемых с погрешностью входных величи-нах объекта, существует только одно значение вектора управления объек-том, при котором выход объекта принимает локальное экстремальное зна-чение. Необходимо на основе поступающей информации о значениях входных и выходных переменных объекта в процессе управления, а также на основе первоначальной выборки значений этих величин (если таковая имеется), управлять объектом таким образом, чтобы его выходная одно-мерная характеристика принимала единственно возможное экстремальное значение.

Построение алгоритма управления одноэкстремальным объектом ос-новывается на использовании непараметрической оценки регрессии, кото-рая имеет следующий вид [1]:

∑∏

∑ ∏

= =

= =

−Φ

−Φ

=s

i

m

j j

jj

s

i

m

j j

jj

Csxixx

Csxixx

iyxy

1 1

1 1

)][

(

)][

(][)(r

Здесь ][iy , ])[],...,[],[(][ 21 ixixixix m=r , si ,1= – имеющаяся выборка значе-

ний соответственно выходной и входных переменных объекта; jCsx , mj ,1= – параметры размытости по соответствующим входным координа-

там, от значения которых существенным образом зависит качество оцени-вания регрессии; )(⋅Φ – так называемая колоколообразная функция.

Для управления одноэкстремальным объектом в каждый дискретный момент строится непараметрическая оценка инверсной регрессии, т.е. за-


СПИ-МП-2006

182

висимости вектора управляющего воздействия от измеряемых входных ве-личин и прогнозируемого значения выхода объекта. Автором материала были найдены и исследованы методом компьютерного статистического моделирования различные способы нахождения параметров алгоритма, существенным образом влияющих на качество управления объектом.

Список использованных источников 1. Медведев А.В. Актуальные проблемы информатики, прикладной

математики и механики: Сб. науч. тр. / Новосибирск – Красноярск. Изда-тельство СО РАН. 1996. Часть 3. С.87–112.

Запевалов А.В., Воробьев А.В. МГНОВЕННАЯ РЕКОНФИГУРАЦИЯ Е–СЕТЕВЫХ МОДЕЛЕЙ

[email protected] [email protected]

Широкие возможности математического аппарата Е–сетевого ими-тационного моделирования позволяют осуществить «мгновенную» рекон-фигурацию модели. Характер реконфигурации может быть как параметри-ческим, так и функциональным. Мгновенность имеет отношение к модель-ному времени. На осуществление реконфигурации требуется затратить не-которое реальное время, но модель при этом приостанавливает функцио-нирование.

В Е–сетях с переходом ассоциируются три группы функциональных выражений: временной задержки; преобразований; маршрутизации. Для осуществления реконфигурации модели необходимо в процессе её выпол-нения произвести модификацию функциональных выражений.

Реализация методики мгновенной ре-конфигурации модели предусматривает вне-дрение в Е – сетевой граф специализирован-ного подграфа. Он будет выступать в роли модельного контроллера прерываний. Данный контроллер в простейшем случае реализуется в виде сети, представленной на рис. 1.

Запросы на прерывание модели могут инициироваться пользователем, либо генерироваться таймером. В режиме исполнения основной модельной конфигурации генерируемые переходом Т1 фишки направляются в позицию S2 и поглощаются переходом Т3. При возникновении запроса на прерывание фишка перенаправляется в позицию S3. В момент поглощения её переходом Т4 инициируется процедура мгно-венного контекстного переключения модели.

Процедура выполняется в соответствии с картой контекстного пере-ключения. В ней указываются имена переходов, которые должны быть подвергнуты модификации, и новые функциональные выражения. Создан-ные карты упорядочиваются и формируются в пакет. При активации каж-

Т1

R1

Т2

Т3

Т4 S2

S3 S1

Рис. 1. Е-сетевой граф модельного контроллера прерываний



СПИ-МП-2006

183

дого запроса на прерывание контроллеру сообщается номер карты. Проце-дура, ассоциированная с переходом Т4 модельного контроллера прерыва-ний, производит чтение активной карты. Далее осуществляется замена функциональных выражений в указанных переходах. По завершении всех преобразований управление передаётся основной модели.

Мгновенная реконфигурация целесообразна для моделирования бы-стротекущих изменений, имеющих место в реальной системе.

Кавалеров М.В. ВЫЧИСЛЕНИЕ ОЦЕНОК ПАРАМЕТРОВ ВЫПОЛНЕНИЯ ЗАПРОСОВ, ФОРМИРУЕМЫХ ЗАДАЧАМИ РЕАЛЬНОГО

ВРЕМЕНИ, В УСЛОВИЯХ ПЛАНИРОВАНИЯ С ФИКСИРОВАННЫМИ ПРИОРИТЕТАМИ

[email protected]

Планирование с фиксированными приоритетами (ПФП) – это один из способов распределения вычислительных ресурсов между запросами, формируемыми задачами реального времени (РВ). Концепция ПФП имеет достаточно широкое распространение в системах автоматизации и управ-ления. Согласно стандартной модели ПФП с каждым k-м запросом i-й за-дачи связаны: время появления rik, время начала выполнения sik, время за-вершения выполнения fik. Но ограничение РВ может относиться не только к rik, sik, fik, а также и к другим моментам xik, yik, принадлежащим интервалу [sik, fik] и соответствующим наблюдаемым событиям [1]. Например, xik мо-жет быть моментом получения информации о параметре объекта управле-ния, а yik может быть моментом формирования управляющего воздействия. Поэтому стандартную модель требуется модифицировать так, чтобы в ней учитывались моменты xik, yik. Тогда согласно модифицированной модели получается, что с выполнением k-го запроса i-й задачи связаны пять мо-ментов времени: rik, sik, xik, yik, fik. Они порождают десять интервалов вре-мени, обозначаемых rsik, rxik, ryik, rfik, sxik, syik, sfik, xyik, xfik, yfik и определяе-мых очевидным образом, т. е. rsik=sik-rik и т. д. Эти интервалы можно на-звать параметрами выполнения запроса (ПВЗ), так как они характеризуют выполнение запроса. Точные значения ПВЗ заранее неизвестны, ведь они зависят от вариаций длительности запроса, а также от выполнения запро-сов с более высокими приоритетами. Для реализации ПФП надо вычис-лять, как можно точнее, верхние и нижние оценки ПВЗ применительно ко всем запросам i-й задачи.

Предлагается следующий способ вычисления оценок ПВЗ. Пусть rsi

Lo, rsiUp – соответственно нижняя и верхняя оценка rsik применительно ко

всем запросам и т. д.; EsxiLo, Esxi

Up – соответственно нижняя и верхняя оценка sxik применительно ко всем запросам при условии отсутствия за-просов с более высокими приоритетами и т. д. Пусть σ – некоторый запрос,


СПИ-МП-2006

184

E σ – длительность σ, а также r σ, s σ, f σ – это соответственно время появле-ния σ, время начала выполнения σ, время завершения выполнения σ. Пусть ε – шаг планирования. Пусть σi

Lo(α,β), σiUp(α,β) при данном вещественном α

и данном бите β – это соответственно нижняя и верхняя оценки значения f

σ-r σ; при α ≤ 0 эти оценки считаются равными α, а при α > 0 вычисляются при условиях, что: 1) запрос σ имеет приоритет, равный приоритету i-й за-дачи; 2) E σ=α; 3) если β=1, то в момент r σ в основной очереди могут быть запросы i-й задачи, которая является периодической или спорадической; если β=0, то в момент r σ в основной очереди обязательно отсутствуют за-просы i-й задачи. Для вычисления σi

Lo(α,β), σiUp(α,β) предложены алгорит-

мы, построенные на основе небольших изменений алгоритмов, представ-ленных в работах [2, 3]. Доказано, что предложенные алгоритмы всегда правильно вычисляют σi

Lo(α,β), σiUp(α,β).

Тогда если для каждого запроса i-й задачи находится время для выполнения, то оценки ПВЗ вычисляются следующим образом: rsi

Lo=0; rxi

Lo=sxiLo=σi

Lo(EsxiLo,0); ryi

Lo=syiLo=σi

Lo(EsyiLo,0); rfi

Lo=sfiLo=σiLo(Esfi

Lo,0); xyi

Lo=σiLo(Exyi

Lo,0); xfiLo=σi

Lo(ExfiLo,0); yfi

Lo=σiLo(Eyfi

Lo,0); rsiUp=σi

Up(ε,β)-ε; если Esxi

Up > 0, то rxiUp=σi

Up(EsxiUp,β), иначе rxi

Up=rsiUp; если Esyi

Up > 0, то ryi

Up=σiUp(Esyi

Up,β), иначе ryiUp=rsi

Up; rfiUp=σi

Up(EsfiUp,β); sxi

Up=σiUp(Esxi

Up-ε,0)+ε; syi

Up=σiUp(Esyi

Up-ε,0)+ε; sfiUp=σi

Up(EsfiUp-ε,0)+ε; если Esxi

Up > 0, то xyi

Up=σiUp(Exyi

Up,0), иначе xyiUp=σi

Up(ExyiUp-ε,0)+ε; если Esxi

Up > 0, то xfi

Up=σiUp(Exfi

Up,0), иначе xfiUp=σi

Up(ExfiUp-ε,0)+ε; если Esyi

Up > 0, то yfi

Up=σiUp(Eyfi

Up,0), иначе yfiUp=σi

Up(EyfiUp-ε,0)+ε. Доказано, что

предлагаемый способ вычисления всегда приводит к получению правильных оценок ПВЗ.

Список использованных источников 1. Gerber R., Hong S. Semantics-Based Compiler Transformations for

Enhanced Schedulability // Proceedings of 14th IEEE Real-Time Systems Sym-posium. – Raleigh-Durham, 1993.

2. Redell O., Sanfridson M. Exact Best-Case Response Time Analysis of Fixed Priority Scheduled Tasks // Proceedings of 14th Euromicro Conference on Real-Time Systems, ECRTS'02. – Vienna, 2002.

3. Tindell K.W. An Extendible Approach for Analysing Fixed Priority Hard Real-Time Tasks // Technical Report YCS 189 / University of York. – York, 1992.

Коровяковский Е.К. МАТЕМАТИЧЕСКАЯ МОДЕЛЬ СОУДАРЕНИЯ ВАГОНОВ

[email protected]

При соударениях на груз в большей степени действуют продольная инерционная сила, приложенная к центру тяжести груза и сила трения гру-за о поверхность пола вагона. Ветровой и вертикальной динамической на-грузками в данной ситуации обычно пренебрегают в силу их малости.


СПИ-МП-2006

185

Рассмотрим процессы, сопровождающие соударение вагонов, масса-ми m1 и m2, масса груза на втором вагоне mгр. Процесс соударения вагонов рассматривается состоящим из двух фаз. Первая фаза начинается с момен-та начала деформации межвагонной связи (t=t0) и заканчивается моментом наибольшего сближения вагонов. Момент окончания сближения характе-ризуется наибольшим значением продольной инерционной силы. Конец первой фазы является началом второй, к концу которой ускорения стано-вятся равными нулю. Введем следующие дополнительные обозначения: x - смещение груза под действием продольной инерционной силы, с - жест-кость конструкции крепления груза, µ - коэффициент трения скольжения груза по полу вагона.

При воздействии на вагоны ударной нагрузки и упругом креплении груз испытывает колебания. Вначале вследствие резкого изменения скоро-сти в течение периода времени, измеряемого сотыми долями секунды, груз сдвигается в направлении движения вагона. Растяжка натягивается, и груз, сместившись на некоторое расстояние, останавливается, а затем начинает перемещаться в обратном направлении под действием упругой силы креп-ления. При обратном движении груз может пересечь исходное положение, и растяжка будет подвержена сжатию. Описанные колебания носят зату-хающий характер вследствие необратимой работы, совершаемой силами сухого трения и упругой силы крепления. В реальности также имеют место пластические деформации, которые могут быть учтены с использованием численного решения методом Адамса.

В результате моделирования процесса соударения вагонов были по-лучены величины смещения груза относительно вагона при различных ви-дах крепления и сделан вывод об оптимальности использования наименее жесткого крепления при перевозках груза. Меньшей жесткостью обладают проволочные растяжки, поэтому, там, где это позволяют конкретные пара-метры груза рекомендуется применять их в качестве крепления.

Кузнецов Е.П. МНОГОСКОРОСТНАЯ АДАПТИВНАЯ ФИЛЬТРАЦИЯ В ЗАДАЧАХ

ЭХО-КОМПЕНСАЦИИ [email protected]

Проблема существования эхо-сигналов в различных проводных сис-темах телекоммуникаций известна давно. Ее причиной является наруше-ние условий баланса дифференциальных систем (ДС), осуществляющих развязку двух- и четырехпроводных линий. Часть энергии сигнала попа-дает в цепи передачи в виде копии (эхо-сигнала). Наличие эхо-сигналов является недостатком многих телекоммуникационных систем, в том числе систем пакетной передачи речевого трафика (технологии VoIP) и высоко-скоростной передачи данных (технологии xDSL).


СПИ-МП-2006

186

Эхо-компенсация является эффективным средством борьбы с этой проблемой. Классический подход к реализации эхо-компенсатора (ЭК) [1] состоит в использовании адаптивного цифрового фильтра (АЦФ), генери-рующего на основе передаваемой информации оценку эхо-сигнала, кото-рая потом вычитается из принятого сигнала. Настройка коэффициентов фильтра осуществляется по выбранному алгоритму адаптации до тех пор, пока не будет достигнут минимум сигнала ошибки.

Этот вариант предполагает использование фильтра с конечной им-пульсной характеристикой (КИХ), адаптирующегося по алгоритму метода наименьших квадратов. Такая структура обладает двумя недостатками: при достаточно протяженной импульсной характеристике тракта образо-вания эхо-сигнала резко увеличиваются затраты на реализацию КИХ фильтра; скорость сходимости алгоритма снижается при «окрашенной» и нестационарной природе входного сигнала.

Одним из подходов к решению данной проблемы является примене-ние субполосной архитектуры построения АЦФ с использованием много-скоростной обработки данных [2]. Данный подход предусматривает раз-биение всей анализируемой полосы на субполосы, и обработку данных в каждой из субполос на пониженной частоте дискретизации. Таким обра-зом, АЦФ в субполосах требуют меньше коэффициентов, благодаря ис-пользованию децимации, кроме того, входные сигналы оказываются «бе-лее» при использовании более узкой полосы.

Рассматривается применение методов многоскоростной адаптивной фильтрации в задачах эхо-компенсации. Проводится сравнительный ана-лиз вычислительных затрат на реализацию ЭК по классической и субпо-лосной схеме построения.

Список использованных источников 1. Sondhi M.M., Presty A.J. A self-adaptive echo canceller. Bell. Syst.

Tech. J., 1966. 2. Liu J. Efficient and robust cancellation of echoes with long echo path

delay. IEEE Transactions on Communications, Vol. 52, No. 8, August 2004.

Ляхов А.Л., Захаров С.А. АБСТРАКТНОЕ ОТНОШЕНИЕ ЗАВИСИМОСТИ В

СОВРЕМЕННЫХ СИСТЕМАХ КОМПЬЮТЕРНОЙ АЛГЕБРЫ [email protected] [email protected]

Доказано [1], что автоматическое решение задачи численно-аналитическим методом (ЧАМ) можно представить как преобразование совокупности выражений, находящихся в отношении абстрактной зависи-мости. Там же установлено, что такое решение невозможно, если преобра-зующая процедура не получит тем или иным способом указаний на зави-симые выражения в совокупности данных.



СПИ-МП-2006

187

В данной работе представлены результаты анализа входных языков современных систем компьютерной алгебры (СКА) в указанном аспекте.

Входные языки всех современных СКА (MAPLE, MATHEMATICA, AXIOM, MuPAD, АНАЛИТИК и др.) содержат подобные средства. Указа-ние на зависимое множество осуществляется двумя способами:

1. Зависимые выражения указываются человеком при программиро-вании решения или интерактивно в заголовке преобразующей процедуры. При этом реализация позволяет рассматривать в качестве зависимого толь-ко множество переменных, что существенно ограничивает изобразитель-ные возможности входных языков этих систем.

2. Исходя из результатов исследований [1] можно утверждать, что определяющее значение для организации и управления преобразованиями при автоматическом решении сложных задач является возможность авто-матического распознавания зависимости между выражениями. Действи-тельно, все современные СКА обладают необходимыми средствами, одна-ко они позволяют распознавать лишь следующие частные случаи:

• Функциональная зависимость выражения от множества перемен-ных. Кроме частности, все реализации содержат семантическую неточ-ность.

Пример (MAPLE): > depends(x^2+2*x*a+6=0, x);

true Установлен факт зависимости выражения от переменной, хотя в кон-

тексте (и это соответствует определению абстрактной зависимости [2]) пе-ременная х является зависимой.

• Реализация распознающих процедур не полностью соответствует определению отношения зависимости на множестве выражений. Фактиче-ски реализованным является лишь случай, когда задается множество, по-рождающее это отношение. Наилучшей в этом аспекте является реализа-ция в СКА MuPAD (процедура has).

В целом анализ приводит к выводу, что реализации осуществляются, в большей мере, на основе интуитивных, а не рациональных представле-ний разработчиков об основном объекте языка СКА, а также об актуально-сти создания аппарата распознавания зависимости на множестве выраже-ний. Это является необходимым условием решения проблемы интеллек-туализации программного обеспечения численно-аналитических методов решения сложных научных и инженерных задач.


1. Клименко В.П., Ляхов А.Л. Прикладная математическая задача как объект компьютерной алгебры // Математические машины и системы. – 2003. – 3-4. – С. 103-123.

2. Кон П. Универсальная алгебра. – М.: Мир, 1968. – 352 с.

СПИ-МП-2006

188

Мельникова И.В. К ВОПРОСУ О МАТЕМАТИЧЕСКОМ МОДЕЛИРОВАНИИ ЭКСТРЕМАЛЬНОГО РАЗРЕШЕНИЯ В ДИСТАНЦИОННОМ

ЗОНДИРОВАНИИ [email protected]

Среди задач, решаемых в ходе космического полета, важное место

занимает вопрос о видимости и распознавании малоразмерных объектов на поверхности Земли, то есть объектов, размеры которых сравнимы с преде-лом разрешения системы наблюдения. В работе [1] показано, что многие космонавты наблюдали объекты, угловые размеры которых меньше преде-ла разрешения зрительной системы. Например, В.И.Севостьянов видел ма-ленький домик своих родителей в Сочи, В.В.Коваленок наблюдал мелкие детали рельефа: вал, овраги, песчаную осыпь. В работе достаточно доказа-тельно показано, что при длительных тренировках на тестовых фоноцеле-вых обстановках по распознаванию выделенных классов объектов, можно натренировать экипажи так, что в определенных фоноцелевых условиях вероятность различения соседних элементов изображения и вероятность различения соседних градаций яркости изображения могут иметь повы-шенные значения, что для распознавания типа объекта в пределах одного класса может быть и недостаточно, т.к. вероятность распознавания в пре-делах одного класса меньше, в общем, вероятности распознавания только класса объекта, но обнаружение и распознавание по принадлежности к классу может быть выполнено на пределе разрешения визуального пред-ставления объекта. На практике это дает следующее: если объект на по-верхности Земли имеет линейные размеры порядка 20 м и известно его местоположение, то при высокой прозрачности невозмущенной атмосферы и оптимальных условиях наблюдения можно распознать его класс. Это объясняет вышеуказанные случаи аномально высокого разрешения, т.к. при наблюдениях с указанных высот линейная разрешающая способность глаза, согласно критерию Релея, порядка 80 м.

Реальные пространственно распределенные источники оптического или радиодиапазонов длин волн, например, отдельные текстэлы мелкозер-нистых изображений, объекты в радиоастрономии, элементы радиообра-зов, элемент разложения в телевизионных системах имеют ограниченные по апертуре пространственные спектры, плавно спадающие в области вы-соких пространственных частот, и потому легко аппроксимируются наи-более близкой к реальности моделью с гауссовым распределением поля источников.

Пространственные апертуры приемных трактов всегда имеют фи-нитную пространственно-частотную характеристику, и как показано в ра-боте [2], вероятность наилучшего разрешения объекта в данной простран-ственной апертуре будет максимальной, если размеры объекта удовлетво-


СПИ-МП-2006

189

ряют определенному условию оптимальности, характеризующему данную пространственную апертуру. Действительно, пространственный спектр ре-зультирующего изображения объекта будет в главной части определяться покомпонентным произведением пространственных спектров источника излучения и приемного тракта, при этом взаимное редуцирование спек-тров не приведет к потере полезной информации и ухудшению разреше-ния, если полоса спектра результирующего изображения не сузилась отно-сительно полосы источника сигнала.

Наиболее контрастно эффект экстремального разрешения отмечался над акваториями океанов.

Начало целенаправленному исследованию предельных возможно-стей метода наблюдений океанического дна положено экипажами экспе-диций ЭО-26 и ЭО- 27 орбитального комплекса «Мир» в рамках космиче-ского эксперимента (КЭ) « Линза» (Визуально- инструментальные наблю-дения океана из космоса (ВИНОК)) [3]. Задачи эксперимента состояли в следующем:

• изучение (уже состоялось подтверждение по крайней мере) имею-щихся данных о возможности наблюдения крупномасштабных форм дон-ного рельефа из космоса на запредельных с точки зрения классической гидрооптики глубинах;

• регистрация внешних фоновых условий, сопутствующих таким наблюдениям;

• получение экспериментальных материалов, документально под-тверждающих описанные возможности метода.

По программе ВИНОК проведено 93 сеанса визуального наблюде-ния материковых отмелей и областей открытого океана с регистрацией ре-зультатов на ручных фотокамерах Никон-Ф4, Минольта, Хассельблад. Проведены исследования по возможности обнаружения уединенных под-водных гор и возвышенностей крупномасштабных подводных хребтов и участков дна с проявлением гидротермальной активности. Обнаружен и сфотографирован участок подводного хребта Кокосовый с глубиной места 180 метров, что на порядок превышает предельную глубину видимости стандартного белого диска в этом районе. К важным результатам относят-ся также фотоизображения островного шельфа с глубинами от 6 до 170 м, обеспечивающие четкую идентификацию мористой его границы, мелко-масштабной структуры рельефа и цвета слагающих пород (для мелковод-ного дна).

Примером реализации тракта дистанционного зондирования с алго-ритмами целенаправленной обработки данных и использованием аппара-туры, заведомо не обеспечивающей конечного полученного разрешения, является [4] космический картографический комплекс (ККК). В его составе - аппаратура ТК-350 получения фотоснимков для построения сетей фото-

СПИ-МП-2006

190

триангуляции и создания модели рельефа, КВР -1000 для получения объ-ектового состава контуров местности.

Совместная фотограмметрическая обработка фотоснимков ТК- 350 и КВР -1000 обеспечивают создание и обновление топографической карты масштаба 1: 50000, и нередко при наличии дополнительных данных карт более крупного масштаба. С использованием фотоснимков ККК создаются и другие геопространственные данные, как для задач военного картогра-фирования, так и для хозяйственной деятельности любого государства.

Главным направлением здесь является создание по материалам кос-мических фотосъемок ККК картографической основы в виде цифровых фотопланов.

В США с 1997 года принята национальная программа создания циф-ровых фотопланов (ортофотопланов) с разрешением 1м на местности и точностью карты масштаба 1:12000 ( NDOP -программа).

Очевидно, что картографической основой, удовлетворяющей требо-ваниям современности могут быть цифровые фотопланы, созданные по ак-туальным фотоснимкам 1-3 –летней давности космических съемок.

Технологически использование фотоснимков КВР-1000 в зависимо-сти от давности съемки может проходить по двум направлениям:

• по фотоснимкам 1-3-летней давности и с использованием резуль-татов обработки фотоснимков ТК-350 в классической технологии изготав-ливаются цифровые фотопланы;

• по фотоснимкам КВР-1000 5-15-летней давности съемки создается «устаревший» по содержанию фотоплан, затем выявляются участки терри-тории картографирования (посредством мониторинга), на которые полу-чают современные космические снимки (или аэрофотопланы) и далее пу-тем цифрового фотомонтажа реализуется актуализация данных.

Большинство формирующих изображение систем, включая глаз че-ловека, в первом приближении можно рассматривать как линейные и ин-вариантные к сдвигу. Изображения, сформированные такими системами, претерпевают линейные пространственно-инвариантные искажения, ха-рактеризующиеся тем, что механизм их возникновения один и тот же для всех точек ),( yx . Линейные искажения проявляются в ослаблении верх-них частот исходного изображения. Визуально это приводит к ухудшению его резкости. В процессе записи изображения искажаются также шумами, присутствующими в любом реальном физическом устройстве. В ряде практически важных случаев шум можно считать аддитивным и независя-щим от исходного изображения.

Наблюдаемое нерезкое изображение ),( yxs можно представить как выход линейной системы, а математическая модель процесса его форми-рования имеет вид:

),(),(),( yxnyxzyxs += , (1)

СПИ-МП-2006

191

где ),( yxn - аддитивный двумерный шум. Изображение ),( yxz , получен-ное путем линейного искажения исходного изображения при отсутствии шума, определяется интегралом свертки [5] .

Четкость изображения характеризуется воспроизведением мелких деталей и определяется разрешающей способностью формирующей систе-мы. Разрешающая способность, например, оптической системы численно выражается количеством пар черно-белых линий на 1 мм изображения, ко-торое формируется объективом системы. Если плоскость формируемого изображения находится в фокусе объектива, то пучок лучей, исходящий от точки на объекте, сходится в точку на изображении. При расфокусиров-ке точка воспроизводится в виде некоторого пятна (кружка размытия), и две близко расположенные точки на исходном изображении сливаются в одну на наблюдаемом. Величина кружка размытия зависит от фокусного расстояния объектива, а также от расстояний от объектива до объекта и до плоскости формируемого изображения. Дискретное изображение будет четким (сфокусированным), если диаметр кружка размытия не превышает шага дискретизации наблюдаемого изображения. В противном случае ли-нейные искажения становятся заметными.

При расфокусировке распределение интенсивности на изображении точечного источника, формируемого тонкой линзой с круговой апертурой, постоянно в пределах кружка размытия радиусом r и равно нулю за его пределами. Это соответствует цилиндрической функции рассеяния точки (ФРТ).

Земную атмосферу также можно рассматривать как оптическую сис-тему. В качестве приближенной модели ФРТ такой системы используется двумерный гауссовский импульс

)](exp[),( 22 yx Kyxh +−= α , (2) который в дискретном случае имеет вид

)](exp[),( 22

2121 ii Kiih +−= α , (3)

где K - нормирующий коэффициент, α - коэффициент пространственной нерезкости.

Очевидно, что точки, для которых выполняется условие (3), образу-ют круг радиусом

α)10ln( 10−

−=r . (4)

Следовательно, чем больше α , тем меньше расфокусировка наблю-даемого изображения.

Можно выделить три основных фактора, которые существенно ус-ложняют решение проблемы восстановления изображений.

1. Искажения типа расфокусировка или смаз проявляются в ослабле-нии верхних пространственных частот изображения, т.к. формирующие системы представляют собой фильтры нижних частот. При этом отноше-

СПИ-МП-2006

192

ние сигнал/шум на верхних частотах, определяющих четкость изображе-ния, будет значительно хуже, чем для изображения в целом. Если система, формирующая изображение, ослабляет сигнал на каких-то пространствен-ных частотах, то при восстановлении он должен быть усилен в той мере, в какой был ослаблен. Вместе с сигналом будут усиливаться и шумы. По-этому улучшение качества изображения по резкости может привести к ухудшению его качества по зашумленности.

2. Яркость на краях кадра искаженного изображения зависит от яр-кости объектов, расположенных вне кадра, за счет свертки исходного изо-бражения с ФРТ. При восстановлении изображений из-за неполной ин-формации о сигнале вне кадра возникают краевые эффекты. Влияние крае-вых эффектов на качество восстановления в ряде случаев оказывается даже более существенным, чем зашумленность изображения.

3. При искажениях, вызванных движением или расфокусировкой камеры, передаточные функции имеют нули, наличие которых обусловле-но осциллирующим характером передаточных функций. Поскольку спектр искаженного изображения равен произведению спектра исходного изо-бражения и передаточной функции, то наличие нулей приводит к полной утрате данных об исходном изображении на соответствующих частотах. По этой причине не удается абсолютно точно восстановить исходное изо-бражение по наблюдаемому изображению, даже если отсутствуют шумы наблюдения и размеры кадров неограниченны.

При решении задач восстановления изображений используются раз-личные алгоритмы, как имеющие строгое математическое обоснование, так и эмпирические. Для искажений, описываемых уравнением свертки, эти алгоритмы условно делятся на три основные группы: алгоритмы реше-ния системы алгебраических уравнений, алгоритмы фильтрации изображе-ний в частотной области и итерационные алгоритмы.

Соотношение (1) для цифровых изображений фактически представ-ляет собой систему линейных алгебраических уравнений. Поэтому задача восстановления исходного изображения при известной ФРТ ),( 21 iih мо-жет быть сведена к решению такой системы. Однако матричное уравнение (1) представляет собой недоопределенную систему линейных алгебраиче-ских уравнений, т.к. количество неизвестных в нем больше числа уравне-ний (размеры исходного изображения всегда больше размеров искаженно-го изображения). Поэтому матрица h является прямоугольной матрицей. В этом случае для отыскания решения используются различные методы псевдообращения матриц. Если недоопределенная система (1) разрешима, то она имеет несколько решений. Возникает проблема выбора единствен-ного решения из множества возможных, которое и будет принято в каче-стве оценки u . Среди всех возможных решений недоопределенной разре-шимой системы в качестве оценки u выбирается решение, минимизи-рующее норму ошибки восстановления

СПИ-МП-2006

193

min)()u(e)u(eε 21

T1

21 ∑ =−==

iii uu , (5)

где T - символ транспонирования; u-u)u(e1 = - вектор ошибки восстанов-ления.

Точное восстановление исходного изображения при отсутствии шу-мов возможно, во-первых, когда искаженное изображение получено в ре-зультате циклической свертки исходного изображения и ФРТ. Во-вторых, когда объекты исходного изображения расположены в центре кадра и на-блюдаются на фоне постоянной яркости, причем расстояние от объектов до границ кадра больше апертуры ФРТ. В том и другом случаях число не-известных будет равно числу уравнений, т.к. объекты, расположенные вне кадра, не будут влиять на яркость наблюдаемого изображения. Иными словами, точное восстановление при отсутствии шума возможно тогда, ко-гда ограничение размеров кадра наблюдаемого изображения не приводит к потере информации об исходном изображении.

Для искаженных изображений, наблюдаемых в присутствии шумов, к элементам вектора-столбца z добавляются отсчеты вектора-столбца n . Это делает систему уравнений, как правило, неразрешимой. Неразреши-мость системы означает, что не существует оценки исходного изображе-ния, при которой она перейдет в тождество. Можно найти лишь прибли-женное решение неразрешимой системы, которое определяется из условия минимума нормы ошибки.

Простейшим способом восстановления четкости изображения явля-ется обработка наблюдаемого изображения в пространственно-частотной области инверсным фильтром передаточная функция которого определя-ется соотношением, обеспечивающим компенсацию искажений, вносимых ФРТ формирующей системы.

Инверсная фильтрация обладает низкой помехоустойчивостью, по-тому что этот метод не учитывает зашумленность наблюдаемого изобра-жения. Значительно менее подвержен влиянию помех и сингулярностей, обусловленных нулями передаточной функции искажающей системы, фильтр Винера, т.к. при его синтезе наряду с видом ФРТ используется ин-формация о спектральных плотностях мощности изображения и шума. При этом полагается, что изображение является реализацией случайного двумерного поля.

При отсутствии шума фильтр Винера переходит в инверсный фильтр. Следовательно, в области низких частот, где, как правило, отно-шение сигнал/шум велико, передаточные функции инверсного и винеров-ского фильтров практически совпадают.

При уменьшении спектральной плотности мощности исходного изо-бражения передаточная функция фильтра Винера стремится к нулю. Для изображений это характерно на верхних частотах.

СПИ-МП-2006

194

На частотах, соответствующих нулям передаточной функции фор-мирующей системы, передаточная функция фильтра Винера также равна нулю. Таким образом, решается проблема сингулярности восстанавли-вающего фильтра.

Итерационные методы восстановления изображений представляют собой способы решения задач, в которых, выбирая некоторое начальное приближенное решение, вычисляют следующие, более точные приближе-ния, используя предыдущие, при этом строятся они на решениях систем линейных уравнений, приведенных выше или комплексируются с метода-ми пространственно-частотной обработки [5].

Описанные методы представляют собой математические модели так-та дистанционного зондирования. При этом, отмеченные выше возможно-сти получения удачных решений соответствуют моделированию экстре-мального разрешения экспериментально наблюдаемого в трактах. Во всех остальных случаях модели являются или не оптимальными, или являются моделями, описывающими загробленное разрешение в тракте. Другими словами, по разрешающей способности тракт дистанционного зондирова-ния в принципе может иметь достаточный резерв, вскрыть и использовать который можно как показано в работе [6], анализируя состояние извест-ных объектов, представленных на снимках исследуемых районов. В этом случае, в качестве гипотезы принимается условие существования экстре-мального разрешения над заданным районом. Реализуется это экстремаль-ное разрешение либо экспериментально (как было представлено выше) со-ответствующими состояниями атмосферы и соответствующими условиями наблюдения, либо оптимизацией математической модели тракта над за-данным районом. Эксперименты, представленные выше, показали, что разрешение может непрогнозированно улучшиться на порядок, крейсер-ская технология оптимизации модели тракта, предложенная в [6] позволяет улучшить разрешение цифровой дообработкой только до двух раз.


1. Базарский О.В. Вероятность распознавания малоразмерных объек-тов из космоса //Исследование Земли из космоса, 6, 1985, с.101-105.

2. Базарский О.В., Коржик Ю.В. Об оптимальной протяженности за-шумленных источников, разрешаемых пространственной апертурой// Ра-диотехника и электроника, т.32, 8, 1987, с.1626-1630.

3. Афанасьев В.М., Батурин Ю.М., Дубинин В.И., Евгущенко А.Н., Падалка Г.И., Таланов Ю.Н., Волков О.Н., Кудинов В.В. Опыт проведения и основные результаты эксперимента по наблюдению океанического дна из космоса в условиях полета на орбитальном комплексе «Мир». //Пилотируемые полеты в космос: Матер. IV междунар. НПК, Москва, Звездный городок, 2000.-С. 149-152.

СПИ-МП-2006

195

4. Елюшкин В.Г., Мартыненко А.И., Яблонский Л.И. Технологиче-ские преспективы использования российских материалов космического зондирования//Пилотируемые полеты в космос: Матер. IV междунар. НПК, Москва, Звездный городок, 2000.-С. 175-177.

5. Бейтс Р., Мак-Доннел М. Восстановление и реконструкция изо-бражений.- М.:Мир, 1989, 336 с.

6. Ушакова Н.Н. Коррекция цифровых космических изображений на основе верифицирующего моделирования. Дисс. … канд. техн. наук. – Курск, 2004, 256 с.

Мкртычев С.В. ИМИТАЦИОННАЯ МОДЕЛЬ СИСТЕМЫ УЧЕТА МАТЕРИАЛЬНЫХ ПОТОКОВ ДЛЯ ПРОИЗВОДСТВ

ПЕРЕДЕЛЬНОГО ТИПА [email protected]

Приспособление предприятия к рыночным условиям начинается,

как правило, с перехода к таким видам управленческой деятельности, как планирование и нормирование затрат на производство, анализ их структу-ры и динамики. Следует отметить, что в бизнес-процессах управления предприятием, занимающимся производством, наибольший удельный вес отводится процессам, в основе которых находится информация о матери-альных потоках. Еще одним важным фактором, способствующим внедре-нию систем учета материальных потоков (СУМП), стала широко распро-странившаяся в современном бизнесе концепция всеобщего управления качеством. В этой связи представляет интерес исследование и разработка модели СУМП для широко распространенных в сфере малого и среднего бизнеса России предприятий с передельным типом производства (трико-тажное производство, деревообработка, металлургия и т.д.).

Предлагаемая модель СУМП построена в виде логистической цепи, звеньями которой являются реальные склады сырья и готовой продукции и виртуальные склады, имитирующие отдельные этапы (переделы) техноло-гического процесса. Основой для моделирования СУМП является объект-

но-ориентированный класс «Склад-модуль», выполняющий функции супер-типа для подклассов «Склад сырья», «Пе-редел» и «Склад готовой продукции» (рис.).

Внедрение СУМП, построенной на базе предлагаемой имитационной модели, обеспечивает следующие положительные эффекты:

• Склад -модуль

идентификатор: Целое число наименование: Строка технологическиеКоэффициенты:Массив Количество: Число

приходТМЦ() расходТМЦ()


СПИ-МП-2006

196

• учет и контроль движения материальных потоков на складах и на отдельных этапах (переделах) технологического процесса производства;

• возможность получения аналитической информации по каждой но-менклатурной позиции товарно-материальных ценностей;

• изоморфизм сопровождающих информационных потоков на всех уровнях сравнения и эффективность управления качеством выпускаемой продукции на всем протяжении технологического процесса производства.

Молчанов А.А. ПАРАМЕТРИЧЕСКОЕ ОПИСАНИЕ ГОЛОВЫ ЧЕЛОВЕКА ДЛЯ

ФОТОРЕАЛИСТИЧЕСКОГО ВИЗУАЛЬНОГО МОДЕЛИРОВАНИЯ [email protected]

Перед специалистами в области компьютерной графики и анимации

нередко возникает задача реалистического моделирования головы челове-ка. Методы решения данной задачи в каждом случае разные и зависят от требований, предъявляемых к качеству модели и представлению исходных данных. Основная трудность поставленной задачи заключается в том, что любые неточности визуализированной модели видимы невооружённым глазом, т.к. голова человека является хорошо знакомой структурой и ос-новным инструментом общения и описания характера человека.

В статье предлагается метод параметрического описания головы че-ловека для создания и визуального моделирования реалистической геомет-рии головы человека по её фотографиям в фас и профиль.

В основе процедуры получения реалистической геометрии головы лежит её параметрическое описание. Выбор параметров осуществим на основе горизонтальных и вертикальных линий “идеального” лица человека и расположением на них частей лица (нос, рот, глаза) [1]. Для описания го-ловы используется одиннадцать параметров: длина линии глаз, расстояние от подбородка до линии губ, расстояние от подбородка до линии основа-ния носа, расстояние от подбородка до линии бровей, расстояние от под-бородка до линии глаз, “глубина” черепа, длина линии волосяного покро-ва, длина линии подбородка, длина линии губ, длина линии основания но-са и длина линии бровей. Значения первых шести параметров известны из пропорций “идеального” лица. Значения остальных – строго не определе-ны, поэтому для получения реалистической геометрии лица их значения подбираем по фотографии головы человека в фас.

Фотографирование лица в фас и профиль с предварительно нанесён-ной на лицо сеткой – один из наиболее распространённых методов созда-ния модели головы [2], но не является самым простым, т.к. требует много предварительной подготовки. Модифицируем этот метод, нанося сеть на фотографии лица в фас и профиль. По точкам сети строится только нос,


СПИ-МП-2006

197

поскольку по координатам положения носа на лице, согласно пропорциям “идеального” лица человека, могут быть вычислены координаты и пара-метры других частей головы.

Варьируя значениями выбранных параметров, можно получить гео-метрию лиц разнообразных форм.


1. Ли Н.Г. Основы учебного академического рисунка. - М.: ЭКСМО, 2003.

2. Пэрент Р. Компьютерная анимация. - М.: КУДИЦ-ОБРАЗ, 2004.

Плахотнюк О.С., Барабанов В.Ф. О ДЕКОМПОЗИЦИИ МАТЕМАТИЧЕСКОЙ МОДЕЛИ В

ИНТЕРАКТИВНОЙ СРЕДЕ МОДЕЛИРОВАНИЯ [email protected]

Для исследования различных технологических процессов уже стал

классическим подход построения и анализа математических моделей. Не-посредственное применение формального математического аппарата для поиска аналитического решения модели является чрезмерно трудоемким, а зачастую и невозможным. Поэтому в современной инженерной деятельно-сти для решения подобных задач прибегают к арсеналу вычислительной математики и соответствующим программным средствам. К сожалению, большинство программных продуктов решают узкий класс задач, описы-ваемых системами линейных или однородных дифференциальных уравне-ний. Между тем как значительная масса математических моделей техно-логических процессов представляет собой системы эволюционных нели-нейных уравнений в частных производных. Авторами ведется разработка программного средства, позволяющего в интерактивном режиме прово-дить численное исследование таких математических моделей.

Основным требованием, предъявляемым к интерактивной среде мо-делирования технологических процессов, является возможность задания модели пользователем на языке максимально приближенном к естествен-ной математической записи. Для осуществления этого требования в ре-зультате исследования были выявлены следующие элементы модели:

• измерения; • глобальные параметры; • локальные параметры; • функционалы; • задачи. Измерения представляют собой пространственные и временные ко-

ординаты, по которым осуществляется дифференцирование, и которые


СПИ-МП-2006

198

также определяют размерность расчетной сетки. Глобальные параметры - это константы или неизвестные нулевой размерности. Значение каждого глобального параметра определяет одно число. Локальные параметры - это сеточные функции: неизвестные, значения которых распределены по рас-четной сетке, на которой осуществляется разностная аппроксимация их производных. Расчетная сетка не равномерна, а может сгущаться или раз-режаться в зависимости от хода вычислительного процесса. Функционалы, как следует из их названия, определяют функциональные зависимости ме-жду описанными выше элементами модели.

И, наконец, задачи определяют системы уравнений, которые необхо-димо решить на различных стадиях вычисления математической модели. Обычно представляют собой начальные и граничные условия, а также мо-дель динамики процесса.

Рейтер А.А. АНАЛИЗ ВРЕМЕННЫХ РЯДОВ, ЗАГРЯЗНЕННЫХ

«ОКРАШЕННЫМ» ШУМОМ [email protected]

Анализ временных рядов играет большую роль при моделировании сложных технологических процессов. Одним из важных аспектов при-кладного анализа временных рядов является разделение «сигнал» – «шум». Значение этих терминов меняется в зависимости от контекста, поэтому существует ненулевая вероятность отнесения к сигналу компонент, не имеющих физического смысла. Большинство методов разделения «сиг-нал» - «шум» предназначены для отделения сигнала от «белого» шума, т.е. шума, имеющего одинаковую мощность на всех частотах.

Многие системы, фактически, порождают «окрашенный» шум, примером которого может служить процесс авторегресии первого порядка – АР(1) – процесс. Мощность «окрашенного» шума сосредоточена на низких частотах и, предполагая, что система формируется белым шумом, возможно к сигналу отнести колебания, не имеющие физического смысла.

Метод сингулярного разложения временных рядов позволяет отде-лить сигнал от шума и разложить его на аддитивные составляющие: тренд, сезонные и циклические компоненты, при условии, что шум является бе-лым. В данной работе предлагается модификация метода сингулярного разложения, позволяющая отделять сигнал от окрашенного шума.

Базовый алгоритм метода сингулярного разложения На основе значений временного ряда строится траекторная матрица

1,,0,1,,0, −=−== + LiKjxX jiji KK . (1) Следующий шаг – сингулярное разложение матрицы X. Пусть ранг

матрицы X равен d. Сингулярное разложение определяется выражением:


СПИ-МП-2006

199

VUX ′Σ= , (2) где ][ dL ×−U – матрица ортонормированных собственных векторов матри-цы XXC ′= ; [ ]K d− ×V матрица ортонормированных собственных векто-ров матрицы ′X X . Σ – ][ dd × -диагональная матрица, )λ(Σ diag= . λ - вектор собственных чисел матрицы XX′ или XX ′ .

Сингулярное разложение матрицы X может быть представлено в ви-де суммы элементарных матриц

dXXX ++= K1 , (3) где iiii ′= VUX λ - элементарные матрицы [1].

Сгруппировав и преобразуя матрицы Xn в одномерный ряд можно получить разложение ряда на аддитивные составляющие. Преобразование осуществляется усреднением побочных диагоналей матрицы Xn.

Разделение сигнал - шум Детерминистический сигнал. Положим X – траекторная матрица

временного ряда. Ковариационная матрица ′=R X X имеет m ненулевых собственных чисел, соответствующие им собственные вектора имеют по-нятный физический смысл – они являются базисом системы.

Детерминистический сигнал с белым шумом. Пусть временной ряд загрязнен белым шумом е , 2( )i j ijM ε ε σ δ= , где ijδ - дельта функция Дира-ка. Математическое ожидание ковариационной матрицы шума равно

2( )NM σ=R I , где I – единичная матрица. Математическое ожидание ко-вариационной матрицы временного ряда может быть представлено в сле-дующем виде:

2( ) ( ) ( ) ( )D S N SM M M M σ= + = +R R R R I . (4) Здесь SR – ковариационная матрица сигнала. Белый шум просто

увеличивает значения собственных чисел ковариационной матрицы вре-менного ряда на величину, равную дисперсии белого шума, не изменяя собственных векторов. Собственные векторы, соответствующие первым наибольшим m собственным числам также имеют понятный физический смысл. Стандартный подход к отделению сигнала – отбрасывание собст-венных чисел, меньших или равных определенного значения (дисперсии белого шума) в этой ситуации является достаточно эффективным.

Детерминистический сигнал с «окрашенным» шумом. Пусть вре-менной ряд загрязнен шумом, ковариационная матрица которого не равна скаляру, умноженному на единичную матрицу, то есть 2( )NM σ≠R I . Сигнал и шум по-прежнему линейно независимы, поэтому

( ) ( ) ( )D S NM M M= +R R R , однако собственные векторы матрицы DR , соответствующие первым наибольшим собственным числам, зависят и от

SR , и от NR , и от соотношения сигнал-шум [2]. Первые собственные век-

СПИ-МП-2006

200

торы теперь могут не нести физического смысла, как в предыдущих случа-ях. Поэтому алгоритмы разделения сигнала и шума, основанные на отбра-сывании собственных чисел меньших определенного уровня, в этой ситуа-ции не вполне адекватны. Также в данной ситуации не совсем оправдан поиск колебаний, основанный на анализе формы собственных векторов.

Модификация алгоритма Основная идея модификации заключается во вращении пространства

таким образом, чтобы после вращения собственные векторы стали ортого-нальны в метрике NR . Для этого определим следующую пару преобразо-вания координат:

AUA ′= NNf 2/1Σ)( , AUA 2/1Σ)( −= NNb . (5) Здесь ( )f A – прямое преобразование, ( )b A – обратное преобразо-

вание, NU – матрица собственных векторов шума, 2/1ΣN – диагональная матрица, образованная корнями квадратными из собственных чисел шума,

2/1Σ −N – диагональная матрица, образованная собственными числами шума,

возведенными в степень –1/2. Преобразуем исходные данные в соответствии с заданным преобра-

зованием координат DNNf

D XUX )Σ( 2/1−= , SNNf

S XUX )Σ( 2/1−= ,

NNNf

N XUX )Σ( 2/1−= . Тогда в новом пространстве координат ковариацион-ные матрицы данных, сигнала и шума могут быть представлены следую-щим образом:

)Σ()Σ( 2/12/1 −− ′= NNDNNfD URUR ,

)Σ()Σ( 2/12/1 −− ′= NNSNNfS URUR ,

)Σ()Σ( 2/12/1 −− ′= NNNNNfN URUR .

После этого вращения координат выполняется следующее равенство: IRR += )()( f

SfD MM .

Найдем диагональную матрицу собственных чисел в этом простран-стве f

DΣ и матрицу собственных векторов fDU .

Для отделения сигнала от шума и выбора полезных компонент не-обходимо анализировать матрицу собственных чисел. Все собственные числа, относящиеся к шуму, равны друг другу.

Для анализа собственных векторов необходимо совершить обратное преобразование: f

DNNfD

bD b UUUU )Σ()( 2/1−== . Таким образом, выполняются

следующие два равенства: bDD

bD

fD

fD

fD

fD URUURU ′=′=Σ .

Столбцы матрицы bDU ортонормированны в метрике NR , т.е,

IURURUU ==′ bDN

bDN

bD

bD и .

СПИ-МП-2006

201

Предлагаемый метод позволяет проводить анализ временных рядов, загрязненных «окрашенным» шумом. К особенностям метода следует от-нести необходимость знания ковариационной матрицы шума и большее по сравнению с базовым алгоритмом количество вычислений.


1. Голяндина Н.Э. Метод «Гусеница»-SSA: анализ временных рядов: Учеб. пособие. – СПб., 2004. – 76 с.

2. Allen M., Smith L.A., 1996: Monte Carlo SSA: Detecting irregular os-cillations in the presence of coloured noise, J. Clim., 9, 3373-3404.

Севрюков Н.Н. СБОР ДАННЫХ ДЛЯ ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ С

ИСПОЛЬЗОВАНИЕМ ТЕХНОЛОГИИ CISCO NETFLOW [email protected]

Особенностью имитационного моделирования является его ценность

при решении практически задач прогнозирования в уже существующих системах. Активное использование сетей передачи данных (СПД) привело уже давно к использованию имитационных методов в этой отрасли. Одним из необходимых условий подобного моделирования для существующих сетей является наличие уже известного распределения трафика по всем ин-терфейсам устройств передачи данных (маршрутизаторов/коммутаторов). При этом подобная информация может использоваться не только для про-гнозирования нештатных ситуация в крупных сетях, но и при непосредст-венной проверке адекватности построенной имитационной и/или матема-тической модели.

Задача построения коммутационных матриц устройств и численные значения распределения трафика по каналам/интерфейсам в СПД не явля-ется тривиальной. Рассмотрим возможный вариант ее решения в сетях по-строенных на оборудовании, поддерживающем технологию Cisco NetFlow. Данная технология используется в коммутаторах и маршрутизаторах для упрощения (снижения накладных расходов) процесса коммутации/ мар-шрутизации. Основной идеей является объединения и кэширования одно-типных данных в потоки (flow) и дальнейшая коммутация осуществляется уже ни для каждого отдельного пакета, а целого потока. Также NetFlow обеспечивает сбор статистики по каждому потоку и возможность экспорта этих данных. Полученная статистика в дальнейшем может использоваться для профилирования трафика, выявления попыток атак на СПД (сканиро-вания, использования троянских программ и т.п.), а также для количест-венного и качественного анализа трафика. Именно последний аспект мо-жет быть использован для построения матриц коммутации между интер-


СПИ-МП-2006

202

фейсами устройств передачи данных и дальнейшем его применении в ими-тационном моделировании.

На сегодняшний день наиболее распространенной является NetFlow version 5. Каждая экспортируемая запись с устройства содержит информа-цию об отдельном потоке и имеет формат, описанный в таблице 1. Необ-ходимо отметить, что поле dOctets содержит количество байт переданных в соответствии третьему уровню OSI модели, т.е. учет размера ip-заголовка в них не будет входить. Поэтому при обработке записи к длине каждого пакета надо добавлять и длину ip-заголовка (его длина может варьировать от 20 до 60 байт, но обычно она равна 20 байтам). Другим недостатком NetFlow является использование протокола UDP, который не обеспечивает гарантированную доставку дейтаграмм с данными от устройства СПД до станции осуществляющей сбор экспортированных данных, поэтому для избежания потери пакетов необходимо размещать данную станцию как можно ближе к устройствам экспортирующим статистику NetFlow, а также обеспечить необходимую пропускную способность канала между ними.

Таблица 1 Формат записи NetFlow version 5

Байты Название поля Описание 0 - 3 srcaddr IP-адрес источника пакетов 4 - 7 dstaddr IP-адрес назначения пакетов 8 - 11 nexthop IP-адрес следующего маршрутизатора в

маршруте 12 - 15 input and output SNMP-индекс входного и выходного

интерфейса 16 - 19 dPkts количество пакетов в потоке 20 - 23 dOctets количество байт в потоке 24 - 27 First время начала потока 28 - 31 Last время окончания потока 32 - 35 srcport and dstport TCP/UDP порты источника и назначения 36 - 39 pad1, tcp_flags,

prot, tos Поле имеющее нулевое значение(pad1=0), TCP-флаги, протокол (TCP=6, UDP=17 и т.п.) и Type of Service

40 - 43 src_as and dst_as Автономные системы источника и назначения потока

44 - 47 src_mask, dst_mask, pad2

IP-маска адреса источника и назначения, pad2=0

Для сбора экспортируемых данных NetFlow может использоваться различное программное обеспечение, решение от компании Cisco является

СПИ-МП-2006

203

NetFlow Collector, но также доступны ряд бесплатных и открытых проек-тов: CFLOWD, NetFlowMet, EHNT и др. Из таблицы 1 видно, что для по-лучения необходимых нам данных достаточно всего нескольких полей, это input, output, First, Last, dOctets, dPkts. При использовании NetFlow Collector для этой цели можно использовать одну из схем агрегации – NetMatrix. Из полученных данных можно сформировать таблицы распре-деления трафика за некоторый период (для примера 5 минут) по интерфей-сам коммутатора/маршрутизатора, рис. 1.

Рис. 1. Распределение трафика по интерфейсам маршрутизатора

Из полученных данных мы можем получить матрицу ком-мутации (отображает распреде-ление пришедших пакетов с од-ного из интерфейсов между дру-гими) рис. 2, которая в дальней-шем может быть применена для проверки конкретной имитаци-онной модели.

Необходимо заметить осо-бенности применения данного метода:

1. Использование протоко-ла UDP не может гарантировать доставку всех пакетов данных NetFlow к коллектору.

2. Количество байт, указанных в размере потока, относятся только к третьем уровню модели OSI, поэтому необходимо вносить поправку на ip-заголовок для каждого пакета внутри потока.

3. Так как существуют ситуации, когда некоторые пакеты отбрасы-

Рис. 2. Распределение трафика между интерфейсам маршрутизатора

СПИ-МП-2006

204

ваются устройствами передачи данных, то необходимо учитывать данные, попадающие на виртуальный интерфейс null (не все пакеты, пришедшие на какой-либо интерфейс, будут отправлены на другой физический интер-фейс).


1. Лукас М.В., Создание отчетов состояния сети с помощью NetFlow, Октябрь 2005, http://dreamcatcher.ru/docs/netflow_report.html.

2. J.Quittek, T.Zseby, B.Claise, S.Zander, «Requirements for IP Flow Information Export (IPFIX)», RFC 3917, October 2004.

3. NetFlow Overview, January 2004, http://www.cisco.com/univercd/cc/ td/doc/product/software/ios120/12cgcr/switch_c/xcprt3/xcovntfl.htm.

4. Karl Solie, Leah Lynch, Charles Ragan, CCIE Practical Studies, Indianapolis: Cisco Press, 2003.

Семко И.А. ПРОЕКТИРОВАНИЕ СЛЕДЯЩИХ СИСТЕМ НА ОСНОВЕ

АВТОРЕГРЕССИОННЫХ-РЕГРЕССИОННЫХ МОДЕЛЕЙ (АРРМ) [email protected]

Для анализа динамических свойств следящих приводов выполнялось построение авторегрессионных-регрессионных моделей (АРРМ). В резуль-тате идентификации АРРМ методом наименьших квадратов выяснилось, что для описания динамических свойств системы требуется модель высо-кого порядка (порядок авторегрессии – 8, порядок регрессии – 5). Кроме того, анализ динамических свойств приводов различных конструкций по-казал некоторые различия их характеристик. Анализ коэффициентов АРРМ, полученных в результате идентификации показал, что часть коэф-фициентов принимают несущественно малые значения и могут быть ис-ключены из модели. С результате выдвинута гипотеза о возможности при-менения ПИД регулятора для обеспечения требуемых динамических ха-рактеристик. Разработаны блок-схемы алгоритмов, использованных при реализации законов управления, рекомендации по реализации системы управления на базе микроконтроллера, а также диаграммы, отражающие статическую и динамическую точность работы системы. В качестве при-вода использовался асинхронный частотный привод типа Hitachi. Сигнал управления может быть передан через аналоговый вход, либо в цифровом виде через интерфейс RS485. При реализации системы управления отдель-ное внимание уделялось подавлению помех.

Система управления на базе микроконтроллера, обработка выходных сигналов и формирование управляющего сигнала осуществляется про-граммно. Время переходного процесса не превышает 3 сек. и может быть уменьшена путем увеличения пиковой мощности двигателя. Величина

http://dreamcatcher.ru/docs/netflow_report.html

http://www.cisco.com/univercd/cc/


СПИ-МП-2006

205

ошибки позиционирования составляет менее 0,05 град. при позициониро-вании датчика ПУФ-6П2-100-7.

Статников И.Н., Фирсов Г.И. МЕТОДЫ ЭНТРОПИЙНОГО АНАЛИЗА В ЗАДАЧАХ

ОПТИМАЛЬНОГО ПРОЕКТИРОВАНИЯ МЕТОДОМ ПЛП-ПОИСКА [email protected] [email protected]

В настоящее время вполне осознана потребность сочетания универ-сальности методов Монте-Карло с элементами интеллектуального анализа результатов математических экспериментов (МЭ). Как представляется, в значительной степени эту потребность реализует метод планируемого ЛП-поиска (ПЛП-поиска), благодаря одновременного использования в нем идеи дискретного квазиравномерного по вероятности зондирования J-мерного пространства варьируемых параметров αj (j=1,…,J) и методологии планируемого МЭ. Однако в этой методике, как и для любой другой, свя-занной с вероятностной интерпретацией получаемых результатов, всегда присутствует «осадок» сомнений: а с наиболее ли вероятностным распре-делением мы имеем дело? (что связано с достаточностью объема прове-денных МЭ). Поэтому была предпринята попытка предварительного оце-нивания энтропийных свойств системы «пространство варьируемых пара-метров – поверхность отклика ( )αΦ » с надеждой найти ярко выделяющие-ся подобласти максимума или минимума энтропии S. С этой целью был проведен вычислительный эксперимент на двух функциях типа Розенброка

2 2 21 2 1 1( ) 100( ) (1 )α α α αΦ = − + − и 2 2 2

2 2 1 1( ) 70( ) (0,2 )α α α αΦ = − + − . Исход-ная область варьирования была задана такой: 1 2( 2;2), ( 0,5;3,5)α α∈ − ∈ − . Величина энтропии S подсчитывалась по известной формуле

1ln

m

m mi

S p p=

= −∑ , где pm – вероятность попадания значения ( )αΦ в m – й ин-

тервал изменения значений критерия; при этом m = 1,…,n, а n – число ин-тервалов, на которое разбивается диапазон max minΦ − Φ . Для n = 10 maxS = ln(n) ≈ 2.3026 для равномерного распределения вероятностей критерия. Для каждой функции по всей области варьирования параметров были по-лучены общие средние значения энтропии 01 1,5849S = и 02 1,2506S = соот-ветственно. Для функции 1( )αΦ по 1α существует два интервала (-1.875;-0.375) и (0.375;1.875), где ijS > 01 1,5849S = , и второй из двух интервалов содержит координату экстремума функции 1( 1)α = ; по 2α можно прибли-зительно выделить интервал (-0.125;2.125), где ijS > 01 1,5849S = , также со-держащий координату экстремума 2( 1)α = . Для функции 2 ( )αΦ наблюда-ется иная ситуация: по 1α существует два интервала (-1.875;-0.375) и (0.625;1.875), где ijS > 02 1,2506S = , оба интервала не содержат координату



СПИ-МП-2006

206

экстремума функции 1( 0,21)α = ; по 2α нельзя точно выделить какой-либо один интервал; поэтому при дальнейших поисках оставляем исходный. Следует отметить, что характер изменения энтропийных оценок в зависи-мости от значений параметров был в определенной мере аналогичен харак-теру изменения самих выборочных средних значений функций.

Теличко Л.Я., Тарасов А.С. ОСОБЕННОСТИ МОДЕЛИРОВАНИЯ АСИНХРОННОГО ДВИГАТЕЛЯ ДЛЯ ЭЛЕКТРОПРИВОДА ЛЕНТОЧНОГО

КОНВЕЙЕРА В СРЕДЕ SIMULINK [email protected]

Математические модели асинхронного двигателя принято представ-лять в виде эквивалентных схем замещения или системы дифференциаль-ных уравнений Горева-Парка. Эквивалентные схемы обычно используются для изучения характеристик установившегося движения машин, а системы с дифференциальными уравнениями для исследования электродинамиче-ских процессов. В теории электрических машин доказано, что любая мно-гофазная электрическая машина с n – фазной обмоткой статора и m – фаз-ной обмоткой ротора при условии равенства полных сопротивлений фаз статора в динамике может быть представлена двухфазной моделью (рис.1). Возможность такой замены создает условия для получения обобщенного математического описания процессов электромеханического преобразова-ния энергии, как в неподвижной, так и во вращающейся системе координат электрической машины, являющейся упрощенной моделью реальной ма-шины [1]. Здесь αωS , βωS - число витков обмотки статора по осям α и β ;

αωr , βω r - число витков обмотки ротора по осям α и β ; βαβα rrSS uuuu ,,, - со-ответственно напряжения по осям α и β на статоре и роторе; rω - угловая скорость ротора.

В процессе эксплуатации ленточных наклонных конвейеров выяви-лись некоторые проблемы использования существующих систем релейно-контакторного пуска и последующей работы электропривода конвейера. Существует необходимость в исследованиях динамических нагрузок и по-требность в проведении экспериментов по снижению динамических нагру-зок в электромеханической системе ленточного конвейера. Трудность про-ведения экспериментов на постоянно работающем агрегате приводит к не-обходимости использования математической модели существующих дви-гателей с помощью ЭВМ в программном обеспечении Matlab 6.5 Simulink. Модель асинхронного двигателя может быть построена по системе урав-нений (1) в операторной форме, описывающей обобщенную электриче-скую машину в данном случае для неподвижной системы координат. В этих уравнениях все переменные относительные, полученные как резуль-


СПИ-МП-2006

207

тат деления реальных значений на базовые, все коэффициенты также без-размерные, полученные аналогично. Некоторые переменные и параметры

в относительных единицах: b

m

ωωυ = и

bMMm = - относительная скорость ро-

тора и относительный момент на валу машины, а также безразмерные ко-

эффициенты ( )R

RR

R

mR

R

mSSRRS r

xTxxk

xxxxrkrr ==

−=+= ,,,

22 [1]. В заключение

можно сказать, что для синтеза и анализа электропривода выбор системы координат (неподвижной или вращающейся) является решающим. Это об-стоятельство особенно проявляется при синтезе параметров регуляторов и при моделировании всей системы электропривода в пакете Simulink, так как при решении задач в этом пакете существуют ограничения, которые можно избежать только при правильном выборе систем координат.

αsuαsW

αrWαru

βsuβru

βrW βsW

α

β

rω

Рис.1. Модель обобщенной электрической машины

( )

( )

( )

( )( )

=−=

−=

+++−=

+++−=

−−⋅+=

−−⋅+=

rxTгдеmmsT

iikm

psTT

irk

psTT

irk

pkTkisTru

pkTkisTru

SSHm

SRSRR

RRRR

SRR

RRRR

SRR

RRRR

rSSS

RRRR

rSSS

,

,

110

110

1

1

υ

ψψ

υψψ

υψψ

υψψ

υψψ

αββα

αββ

βαα

αβββ

βααα

(1)


1. Копылов И.П. Математическое моделирование электрических ма-шин: Учеб. для вузов. – М.: Высш. шк., 2001. – 327 с.

Титов Р.А., Воронов Е.А., Джевага К.А. АДАПТИВНЫЙ АЛГОРИТМ ВСТРАИВАНИЯ ЦИФРОВОГО ВОДЯНОГО ЗНАКА ДЛЯ ЗАЩИТЫ ИЗОБРАЖЕНИЙ ОТ НЕСАНКЦИОНИРОВАННОГО ИСПОЛЬЗОВАНИЯ

[email protected]

Внедрение вычислительной техники породило проблему защиты ин-теллектуальной собственности от несанкционированного использования или копирования. Одним из видов интеллектуальной собственности явля-ются изображения, зафиксированные различными методами в машинно-читаемом виде или созданные с помощью компьютера. Для защиты изо-бражений применяется множество методов, наиболее перспективным из которых является метод цифрового водяного знака (ЦВЗ).


СПИ-МП-2006

208

Исследования существующих способов встраивания идентификаци-онной информации в файлы, содержащие цифровые изображения, выявили недостаточную их стойкость к преднамеренным или непреднамеренным воздействиям:

– сжатию алгоритмами JPEG и JPEG2000; – кадрированию изображений (выделение фрагмента); – обработке изображений фильтрами зашумления, размытия и др. Повышение стойкости ЦВЗ к указанным воздействиям путем

увеличения мощности вложения или увеличения избыточности ЦВЗ приводит, как правило к ухудшению визуальных свойств защищаемого изображения или потере части информации, содержащейся в нем.

Вместе с тем, проведенные экспериментальные исследования позволили выявить следующее.

1. Различные по признаку статистической однородности области изображения по разному подвержены потере информации при JPEG сжа-тии: минимальные потери наблюдаются на шумовых областях (высокочас-тотных областях), что позволяет использовать их для размещения частей информационной последовательности.

2. Канал синего цвета на полноцветных изображениях (16, 24, 32 бит/пиксел) в силу особенностей зрительного аппарата человека в меньшей степени влияет на субъективное восприятие цвета, а следовательно и всего изображения. Это позволяет использовать вложение информации в канал синего цвета с большей мощностью.

3. Использование в качестве алгоритма отбора пикселей пути, обра-зованного, например, уникальной росписью владельца изображения по-вышает стойкость ЦВЗ к несанкционированной модификации (подмене).

Данные результаты позволили разработать адаптивный алгоритм формирования и встраивания ЦВЗ для защиты изображений от несанкцио-нированного использования и проверки подлинности получаемого графи-ческого контента, учитывающий указанные особенности.

Тонконогов М.П., Фазылов К.К. ПРОГНОЗИРОВАНИЕ ПРИМЕНЕНИЯ В ЭЛЕМЕНТАХ ПАМЯТИ

НАНОМЕТРОВЫХ ПЛЕНОК ЛЬДА [email protected] [email protected]

Применение в микроэлектронике, оптоэлектронике и лазерной тех-нике материалов с водородными связями сопряжено с особенностями электропереноса при проводимости и диэлектрической релаксации. Ми-грация дефектов Бьеррума по водородным связям, происходящая как в ре-зультате термической активации так и туннельно, обеспечивает все элек-трофизические свойства данной группы материалов [1].

Особенности структуры льда позволяют рассматривать его как мо-дельный кристалл для теоретического исследования электрофизических



СПИ-МП-2006

209

свойств кристаллов с водородными связями. Кроме того, изучение льда имеет большое значение для гляциологии астрофизики, физики мерзлых пород, предотвращения обледенения ЛЭП и т.д. Применение кристаллов льда в качестве элементов схем в электронике определяется возможностью туннелирования протонов при их релаксации по водородным связям, что обеспечивает стабильную работу при крайне небольшой потребляемой мощности при низких и сверхнизких температурах, что может быть вос-требовано, например, в космосе. Легкость получения легированных про-тонно-донорными и протонно-акцепторными примесями пленок льда су-щественно упрощает технологию изготовления схемных элементов.

К сожалению, мы лишены возможности дать конкретные практиче-ские рекомендации, поскольку экспериментальных исследований электро-физических процессов в нанометровых пленках материалов с водородны-ми связями и, в частности, в кристаллах льда нет, поэтому данная публи-кация посвящена обсуждению возможности применения разработанного нами метода компьютерного расчета [2] нанометровых пленок льда в элек-тронике. Можно отметить работы профессора Дробышева, например, [3], где установлено расщепление полосы либрационных колебаний ИК-спектра криокристаллов воды при достижении критического значения толщины криокристаллической плёнки.


1. Тонконогов М.П. // УФН. 1998. Т. 168. 1. С. 29-54. 2. Тонконогов М.П., Исмаилов Ж.Т., Фазылов К.К. Термодеполяри-

зационный способ определения параметров и концентрации дефектов структуры в кристаллах с водородными связями // Предпатент 36703. 7 G01N 27/00.– Промышленная собственность. Официальный бюллетень: Минюст РК. – 2003. – 6. – С. 87.

3. Дробышев А., Алдияров А., Абдыкалыков К., Токмолдин Н. // Ма-териалы 3-ей межд. конф. «Современные достижения физики и фундамен-тальное физическое образование». Алматы, – 2003. – С. 14.

Тонконогов М.П., Кукетаев Т.А., Калытка В.А., Фазылов К.К., Баймуханов З.К.

РАСЧЕТ РАЗМЕРНЫХ ЭФФЕКТОВ В НАНОМЕТРОВЫХ СЛОЯХ КРИСТАЛЛОВ С ВОДОРОДНЫМИ СВЯЗЯМИ (КВС) ПРИ ИХ

ПОЛЯРИЗАЦИИ [email protected] [email protected]

Существование размерных эффектов в кристаллических слоях нано-метровой крупности с водородными связями следует из выражения, опре-деляющего время релаксации nдмn τ+τ=τ 111 . При критических темпе-ратуре и толщине кристалла время максвелловской релаксации



СПИ-МП-2006

210

µεε=τ qn00м совпадает со временем диффузионной релаксации 222 nnд Dd π=τ , которое содержит в числителе квадрат толщины кри-

сталла. Аномалии электрофизических свойств, характеризуемые сдвигом максимумов термостимулированного тока деполяризации (ТСТД) в сторо-ну низких температур с уменьшением толщины кристаллического слоя, существенно проявляются в области низких температур, где определяю-щий вклад в электроперенос вносит туннелирование протонов по водород-ным связям. Другим требованием перехода максвелловской релаксации в диффузионную является достижение толщиной пленки размеров кластеров в КВС. Как показывают компьютерные расчеты, характерный размер кла-стера оказывается величиной ~10 нм.

Расчет размерных эффектов в нанометровых слоях в КВС опирается на строгую квантовую теорию термодеполяризации [1], построенную с применением матрицы плотности. В таблице отражены сравнительные расчеты температуры максимумов ТСТД, выполненные с помощью теории [1] и нелинейной квазиклассической теории [2] (указаны в скобках) для кристаллов халькантита, показывают, что диффузионная релаксация, про-являющаяся при низких температурах, носит квантовый характер.

d , нм Рассчитанные температуры максимумов, К 3000 80 (92) 130 (137) 169 (169) 205 (205) 228 (229) 245,5 (245) 300 65 (90) 120 (135) 168 (168,5) 203 (203) 227(227,5) 245 (244) 30 40 (85) 100 (130) 160 (165) 200 (201) 225 (226) 244,1 (243,5)


1. Тонконогов М.П., Кукетаев Т.А., Фазылов К.К., Калитка В.А. // Известия вузов. Физика. – 2004. – 6. – С. 8-15.

2. Тонконогов М.П., Исмаилов Ж.Т., Тимохин В.М., Фазылов К.К., Калитка В.А., Баймуханов З.К. // Известия вузов. Физика. – 2002, 10, с. 76-84.

Филатов И.Ю.

ИСПОЛЬЗОВАНИЕ НЕЧЁТКИХ МНОЖЕСТВ ДЛЯ КЛАССИФИКАЦИИ ОБЪЕКТОВ В СОВРЕМЕННЫХ СИСТЕМАХ

НАВИГАЦИИ [email protected]

На сегодняшний день существует множество систем управления ле-

тательным аппаратом (ЛА), которые используют спутниковые навигаци-онные системы (СНС), например, GPS, ГЛОНАСС и инерциальные нави-гационные системы (ИНС). У каждой из этих систем есть свои достоинства и недостатки.


СПИ-МП-2006

211

Для выполнения ряда задач требуется иметь информацию об окру-жающей обстановке ЛА. Для ИНС, средством обеспечения такой инфор-мацией является, например, бортовая радиолокационная станция (БРЛС). В случае отсутствия информации от СНС она становиться основным ис-точником информации об окружающих объектах. В последние годы на борту ЛА всё чаще стали использоваться электронные карты местности (ЭКМ). Задача совмещения информации от БРЛС и ЭКМ является очень актуальной.

Информация от БРЛС и ЭКМ представляется в графическом виде. Именно в этом виде и следует производить комплексирование. Проанали-зировав радиолокационное изображение (РЛИ) и выделив на нём объекты (например, по яркостному критерию), необходимо определить, каким объ-ектам реального мира они соответствуют, однако из-за недостатка инфор-мации можно лишь попытаться отнести их к определённому классу объек-тов, т.е. классифицировать их.

Из-за неудовлетворительного качества РЛИ для классификации объ-ектов характеристики: размер и яркость отображения объекта, могут но-сить лишь вспомогательный характер. Используя ЭКМ, можно определить тип подстилающей поверхности для объектов выделенных из РЛИ. Это можно сделать, зная координаты самого ЛА, параметры его полёта и све-дения о РЛИ.

Все объекты реального мира, интересующие нас в рамках постав-ленной задачи, можно условно разделить на конечное число классов. Экс-пертно-статистическим путём можно определить вероятность появления объекта того или иного класса на определённом типе подстилающей по-верхности. Эта информация может использоваться в качестве базы знаний для классификации. Произведя ситуационный анализ ЭКМ, можно с боль-шой долей вероятности утверждать, что на конкретном участке карты воз-можно появление объектов определённого класса.

Обозначим множество классов объектов реального мира U = u1,u2,…,un, где ui –класс объектов, n – конечное число классов объектов. Говоря языком теории нечётких множеств, множество U - это универсаль-ное множество. Каждому типу подстилающей поверхности соответствует нечёткое множество Aj, j=1,2,…,m, где m – количество типов подстилаю-щей поверхности, определённое функцией принадлежности μAj(ui)=[0;1]. Подробнее см. [1,2,3].

Определив тип подстилающей поверхности для объекта, выделенно-го из РЛИ, по вычисленным координатам и ЭКМ, и имея описанную выше базу знаний, можно каждому объекту сопоставить нечёткое множество Aj. Выбор элемента нечёткого множества с максимальным значением функ-ции принадлежности μAj(ui) и есть отнесение выделенного из РЛИ объекта к конкретному классу ui объектов реального мира. Выбирая несколько

СПИ-МП-2006

212

элементов нечёткого множества Aj, можно определить нечёткое соответст-вие нескольким классам ui.

Одному выделенному из РЛИ объекту может соответствовать не-сколько типов подстилающей поверхности. Необходимо объединить не-чёткие множества, соответствующие каждому типу подстилающей по-верхности. Объединение нечётких множеств может быть записано сле-дующим образом (вероятностный подход):

Ak U Al ð μ Ak U Al (ui) = μAk (ui) + μAl (ui) - μAk (ui)·μ Al (ui) Например, выделенному из РЛИ объекту, соответствуют типы под-

стилающей поверхности: «лес» и «река». Нечёткие множества, соответст-вующие этим типам выглядят следующим образом:

Aлес = 0.5/авто ТС, 0/водное ТС, 0.4/ЛА; Aрека = 0/авто ТС, 0.9/водное ТС, 0.25/ЛА; где ТС – транспортное средство, ЛА – летательный аппарат. Результат объединения этих нечётких множеств будет иметь вид: Aлес U Aрека = 0.5/авто ТС, 0.9/водное ТС, 0.55/ЛА. Использование нечётких множеств в задаче классификации объек-

тов, оставляет ряд неопределённостей, но в условиях минимальной ин-формации значительно облегчает восприятие РЛИ человеком, что является существенным достоинством и делает этот подход актуальным в условиях дефицита информации.


1. Борисов А.Н. и др. Модели принятия решений на основе лингвис-тической переменной, Рига: Зинатне, 1982.

2. Борисов А.Н. и др. Принятие решений на основе нечетких моде-лей: Примеры использования. Рига: Зинатне, 1990.

3. Рыжов А.П. Элементы теории нечетких множеств и измерения не-четкости. М.: Диалог—МГУ, 1998.

Филатов И.Ю. ПОЗИЦИОНИРОВАНИЕ ОБЪЕКТОВ В ИНЕРЦИАЛЬНЫХ

НАВИГАЦИОННЫХ СИСТЕМАХ НА ОСНОВЕ УНИВЕРСАЛЬНЫХ АЛГЕБР

[email protected] В современных системах навигации летательных аппаратов (ЛА), всё

чаще используются совмещённая информация от спутниковых (СНС) и от инерциальных (ИНС) навигационных систем. СНС обладают высокой точ-ностью и решают ряд задач пока недоступных для ИНС, например, опре-деление координат, как самого ЛА, так и окружающих его объектов. Одна-ко, надёжность ИНС гораздо выше. В ряде случаев информация от СНС


СПИ-МП-2006

213

вообще может отсутствовать. Встаёт задача определения собственных ко-ординат и координат окружающих ЛА объектов, пользуясь информацией только от ИНС.

Для ИНС, средствами обеспечения информацией об окружающей обстановке являются, например, бортовая радиолокационная станция (БРЛС) и электронные карты местности (ЭКМ). Радиолокационное изо-бражение (РЛИ), формируемое БРЛС несёт информацию об объектах ок-ружающих ЛА на данныё момент времени. ЭКМ привязывает каждый объ-ект к определённой точке пространства. Совместив эту информацию мож-но решить поставленную задачу.

Совместить РЛИ и ЭКМ можно, учитывая взаиморасположение объ-ектов на местности, относительно друг друга. Информативность в этом случае несут не сами объекты, а именно их взаимное расположение, т.е. отношения между ними. Причём, отношения могут быть представлены размытыми квантификаторами, что позволит частично устранить погреш-ности, возникшие при формировании РЛИ и выделении объектов на нём.

Построим пространственную логику – один из видов псевдофизиче-ских логик Псевдофизические логики суть логики отношений. Именно от-ношения выполняют в них роль переменных. Логика пространства изучает взаимосвязь пространственных отношений [1].

Пространственными отношениями будут бинарные отношения на-правления и отношения расстояний между объектами. Отношения направ-ления: Rè – правее, Rì – правее и выше, Ré – выше, Rë – выше и левее, Rç – левее, Rí – левее и ниже, Rê – ниже, Rî – ниже и правее. Отношения рас-стояний: Р – рядом (вплотную), ОБ – очень близко, Б – близко, НН – неда-леко и неблизко, Д – далеко, ОД – очень далеко.

Для формализации описания используем теорию универсальных ал-гебр. Пусть М – какое-то множество, Ω = φ1,…, φm – набор операций, та-ких что результатом операции над элементами множества М является эле-мент множества М. Тогда А = <М; Ω> - называется алгебраической струк-турой, универсальной алгеброй (УА) или просто алгеброй. Множество М называется носителем алгебры А, а множество операций Е называется сиг-натурой. Сигнатура Ω конечна. Носитель не обязательно конечен, но не пуст. Если Ω является не набором операций, а набором отношений, то множество М вместе с набором отношений называется алгебраической мо-делью (АМ) [2].

Введём АМ. Отношений пространственной логики описанной выше - сигнатура алгебры. Носителем алгебры М будет множество объектов вы-деленных с РЛИ и ЭКМ. Тогда АМ можно записать в следующем виде:

А = <М; Rè,Rì,Ré,Rë,Rç,Rí,Rê,Rî,Р,ОБ,Б,НН,Д,ОД> Определим композицию отношений следующим образом: R1(a,b) R2(a,b) = R1,R2(a,b).

СПИ-МП-2006

214

Например, Rì(a,b)ОБ(a,b)=Rì,ОБ(a,b) или (a Rì b)(a ОБ b) = (a Rì,ОБ b)

В рамках введённой АМ можно описать ЭКМ и РЛИ наборами вида: (A Rì,ОБ B);(A Rç,Д C); … ;(B Rê,Б C); …

где A,B,C – константы, соответствующие объектам ЭКМ. (x Ré,НН y);(x Rî,Б z); … ;(y Rí,ОБ z); …

где x,y,z – переменные, соответствующие объектам РЛИ. Введём УА B = <[L]

ú;ú>, где L – множество, элементами которого яв-

ляются наборы, полученные в АМ А. [L]ú - замыкание множества L отно-

сительно сигнатуры алгебры. ú - операция «И». В рамках введённой УА В, можно составить термы из наборов полученных для ЭКМ и для РЛИ:

(A Rì,ОБ B) ú (A Rç,Д C) ú … ú (B Rê,Б C) (x Ré,НН y) ú (x Rî,Б z) ú … ú (y Rí,ОБ z) Эти термы могут быть унифицированы. Результатом унификации

будет вектор подстановок вида: (А -> x) [3,4]. Следует отметить, что уни-фикация в целом должна считаться успешной, если процентное соотноше-ние успешно унифицированных элементов терма к их общему количеству превысит определённый порог, заданный условиям задачи. Это возможно из-за того, что на РЛИ присутствуют динамические объекты, информация о которых отсутствует на ЭКМ.

Используя вектор подстановок, информацию из ЭКМ, параметры полёта ЛА и характеристики РЛИ, можно определить собственные коор-динаты ЛА и координаты объектов выделенных на РЛИ, решив задачу триангуляции. Описанный метод позволяет решить задачу позиционирова-ния ЛА и окружающих его объектов, используя информацию, полученную только от ИНС.


1. Поспелов Д.А. Ситуационное управление: теория и практика. – М.: Наука, 1986. с. 125-136.

2. Новиков Ф.А. Дискретная математика для программистов. Учеб-ник для вузов. 2-е изд. – СПб.: Питер, 2005, с. 67-99.

3. Knight K. Unification: A Multidisciplinary Survey. ACM Computing Surveys, Vol. 21, No. 1, 1989, pp. 93-124.

4. Baader F., Snyder W. Unification theory. Elsevier Science Publishers B.V., 1999.

СПИ-МП-2006

215

Щетинин А.В., Жеглов С.В., Цыбин А.Е. ПОСТРОЕНИЕ РЕГРЕССИОННОЙ МОДЕЛИ ОБРАЗОВАНИЯ

ПОРИСТОСТИ В ОТЛИВКЕ С ИСПОЛЬЗОВАНИЕМ ВЫЧИСЛИТЕЛЬНОГО ЭКСПЕРИМЕНТА

[email protected] Распространение современных вычислительных технологий в

специализированные области производства позволило перейти на более высокий уровень качества отработки технологических процессов. Такие изменения затронули и литейное производство, которое в силу многофакторности, нуждается в автоматизированных системах поддерживающих технологический процесс.

Реализация большинства процессов в виде численной модели, позво-ляет сократить производственный цикл на подготовительном этапе. Для построения математической модели какой-либо части технологического процесса необходимо проведение ряда экспериментов, позволяющих, с достаточной достоверность, оценить исследуемую область.

В современных условиях развития вычислительной техники проведе-ние эксперимента осуществляется не на реальном объекте, а на его матема-тической модели. В основу современных решателей уравнений теплопро-водности и формирования усадочных дефектов заложен метод конечных элементов, который является наиболее адекватным и экономичным с точки зрения машинных ресурсов.

В подходе для построения модели процесса формирования усадоч-ных дефектов использовалась система компьютерного моделирования ли-тейных процессов «Полигон». В ряде экспериментов, варьируя нескольки-ми факторами, контролировался уровень пористости в отливке.

Полученные экспериментальные данные были обработаны с помо-щью статистических методов. В результате была построена регрессионная модель зависимости формирования пористости в тепловом узле П1 от тем-пературы заливки X скорости охлаждения оливки Y:

П1 = 66.24 + 0.237Х - 0.096Y - 0.091Х2 - 6e-6XY + 3.458e-5Y2 Проверка адекватности модели осуществлялась в реальных

производственных условиях и показала достаточную сходимость с результатами исследования натурных образцов [1].


1. Щетинин А.В., Щетинин А.А., Жеглов С.В., Корнеева В.В. При-менение статистических методов анализа данных для оценки результатов процесса формирования усадочных дефектов в чугунных отливках. Мате-риалы научно-практического семинара «Новые подходы к подготовке про-изводства в современной литейной промышленности». СПб.:Изд-во Поли-техн. ун-та. 2005. 88с. С.64-69.


СПИ-МП-2006

216

6. Программное обеспечение и СУБД

Bell B.G. DEVELOPMENT OF THE “NSCS” COMPLEX OF PROGRAMS

[email protected]

In this paper, we are showing the universal program realizing operations of enciphering of data. The developed complex of programs allows to work with the data in files of any format (textual, graphic, formats of the MS Office etc.) - to encrypt with conservation of the ciphered information in a new file and de-coding, receiving the next file same to the original. Such universality is guaran-teed by some specific opportunities that give the use of the original algorithm of encryption (symmetric block algorithm with a closed key) - in particular, the opportunity of the use of keys of any complexity entered into the program in the free form. So, for coding the especially important information the complex (dif-ficult to guess) key assuring the stability (resistance) of the received encrypted files can be used. At the same time, the user has an opportunity to apply simple, easy to remember codes, for example – a phone number or date of birth. To the advantages of the algorithm (system), it is also possible to attribute: small com-puting complexities, stability (resistance) to break, in connection with practi-cally infinite quantity (amount) of variants of information states and weak corre-lation within the ciphered information, opportunity of repeated enciphering of information, opportunity of enciphering of the large volumes of information. Except the program of coding / decoding the described complex includes the program for creation and edition of the code tables supporting opportunity of automatic filling in view of various user adjustments. Similarly, the program of enciphering has the simple and intuitive window interface. The program pro-vides an opportunity of automatic generation of keys, preservation of the user adjustments in the register. Today, there are many systems, the functionality that is for enciphering the saved (kept) or transmitted data. In connection with devel-opment of Internet - technologies, urgency becomes the use of the electronic digital signature. Another basic variant of the application of procedures of enci-phering is their inclusion in the protocols of networks. Also many programs keep the information in memory in the ciphered form. So the algorithm, realized here can be applied in each mentioned above cases.

Акимов С.В. МЕТОД ЗАМЕЩЕНИЯ КОММЕНТАРИЕВ ДЛЯ СОЗДАНИЯ КОДА

ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ [email protected]

В работе предложен метод создания программного кода, суть кото-рого состоит в том, что сначала пишутся комментарии к программе, а за-тем пишется код, «замещающий» эти комментарии. Несмотря на свою



СПИ-МП-2006

217

простоту, метод хорошо зарекомендовал себя при разработке автором раз-личного программного обеспечения, а также в учебном процессе при вы-полнении студентами курсовых работ по курсу «Технология программиро-вания» и в процессе работы над дипломными проектами и магистерским диссертациями.

Рассмотрим метод на примере. Предположим, что в программе необ-ходимо реализовать алгоритм, определяющий максимальное значение эле-ментов, хранящихся в массиве anArray, и выводящий это значение на эк-ран. Последовательность действий будет следующей.

Сначала запишем требуемое условие: //Найти максимальное значение и вывести его на экран

Теперь создадим алгоритм на естественном языке: //Вводим переменную “размер массива” //Переменной "Максимальное значение" присваиваем //значение первого элемента массива //Осуществляем проход по массиву, начиная со второго элемента //Если значение элемента массива больше значения переменной //"Максимальное значение", //то присваиваем ей значение этого элемента //Выводим максимальное значение

Далее пишем код, реализующий алгоритм («замещаем» коммента-рии): //Найти максимальное значение и вывести его на экран //Вводим переменную “размер массива” и определяем размер массива int nSize = anArray.GetSize(); //Вводим переменную "Максимальное значение" и присваиваем ей //значение первого элемента массива int nMax = anArray.GetAt(0); //Осуществляем проход по массиву, начиная со второго элемента for(int i = 1; i < nSize; i++) //Если значение элемента массива больше значения переменной //"Максимальное значение", //то присваиваем ей значение этого элемента if(anArray.GetAt(i) > nMax) nMax = anArray.GetAt(i); //Выводим максимальное значение cout << "Max number is: " << nMax << "\n";

Как видно из приведенного примера, при использовании метода за-мещения комментариев программа создается в процессе ее последователь-ной проработки и уточнения. Так, сначала записывается, что должна де-лать программа. Далее уточняется, как этого достичь (также, возможно, в несколько этапов). И наконец, пишется программный код, «замещающий» созданные комментарии.

При написании комментариев следует использовать ту степень про-работки, которая программисту кажется достаточной. При этом не следует

СПИ-МП-2006

218

делать комментарии чересчур подробными, как впрочем, не следует писать и слишком лаконичные комментарии.

Кроме того, при использовании предложенного метода необходимо соблюдать правила форматирования, используя табуляцию для каждого следующего уровня вложенности.

Хотя для целей представления алгоритмов существует богатый арсе-нал средств визуального моделирования (блок-схемы, диаграммы Насси-Шнейдермана, FLOW-диаграммы), они часто не используются программи-стами из-за своей громоздкости. Предложенный метод не призван заме-нить визуальные средства моделирования, а лишь дополняет их. Так, диа-граммы и блок-схемы целесообразно использовать на достаточно высоком уровне абстракции, а метод замещения комментариев – при более деталь-ной проработке.

Достоинствами предложенного метода являются: • практическая направленность; • компактность; • не требуются графические редакторы или CASE-системы; • текст программы содержит подробные «замещенные» коммента-

рии.

Брагилевский В.Н., Кручинин А.Н. ОБ ОДНОМ МЕТОДЕ ПРЕДСТАВЛЕНИЯ ГРАФОВЫХ СТРУКТУР В

XML [email protected]

Язык XML представляет собой мощное средство представления ие-

рархических структур данных, которые являются частным случаем графа. Однако в некоторых случаях необходимо представление произвольных графовых структур. В основе предлагаемого метода лежит использование стандартной спецификации XLink [1], определяющей способы указания связей между различными элементами XML-документа, а также между элементами документа и произвольными внешними ресурсами (графиче-скими файлами, веб-страницами, печатными изданиями и пр.).

Всякая графовая структура представляет собой совокупность набора узлов с соответствующими им характеристиками и перечня параметризо-ванных дуг между этими узлами. Заметим, что в данном случае под графо-вой структурой понимается некоторое расширение обычного математиче-ского понятия графа, как тройки, содержащей множества вершин и дуг, а также отображение инцидентности [2]. Это расширение прежде всего включает параметризацию и характеризацию как вершин, так и дуг графа.

Вершиной в рассматриваемой графовой структуре предлагается счи-тать призвольный XML-элемент, возможно содержащий подэлементы. Та-


СПИ-МП-2006

219

кой элемент маркируется специальной меткой, позволяющей на него ссы-латься (атрибут label). Дуга графовой структуры — это также произволь-ный элемент XML, маркированный атрибутами from и to, значениями ко-торых должны быть метки соответствующих этой дуге вершин. Ясно, что при таком подходе граф получается ориентированным. XML-документ, определяющий подобную структуру, состоит из двух основных частей: списка вершин и списка дуг. Нетрудно организовать визуальное представ-ление заданной таким образом графовой структуры. Существует также возможность ее преобразования стандартными средствами, например, с помощью языка XSLT.

В качестве приложения рассматриваемого метода разработан способ сериализации UML-диаграмм [3] в формате XML. Элементы UML-диаграмм имеют довольно большое количество характеристик, которые описываются соответствующими элементами XML, они соответствуют вершинам графовой структуры. Связи между элементами соотвествуют дугам графовой структуры, типы этих связей реализуются с помощью по-дэлементов соответствующих элементов XML. Другим приложением явля-ется представление ER-диаграмм, общие подходы здесь аналогичны слу-чаю UML.


1. XML Linking Language (XLink) Version 1.0, http://www.w3.org/TR/xlink/.

2. Кристофидес Н. Теория графов. Алгоритмический подход. – М.: Мир, 1978. – 432 с.

3. Буч Г., Рамбо Дж., Джекобсон А. UML. Руководство пользователя. – М.: ДМК-пресс, 2004. – 429 с.

Брагин Д.М., Барабанов В.Ф. ИНТЕГРАЦИЯ СИСТЕМ ПРОЕКТИРОВАНИЯ И

МОДЕЛИРОВАНИЯ ПРИ РАЗРАБОТКЕ ЭЛЕКТРОННЫХ СРЕДСТВ [email protected]

Современные САПР и системы математического моделирования

сейчас полностью охватывают весь путь разработки электронных уст-ройств от идей до функционирующего изделия. Системы становится всё более интегрированными друг с другом на уровне форматов и систем управления разработки проекта. Благодаря этому сокращается сроки раз-работки и материальные вложения.

ПО обеспечение интегрированной системы включает в себя: • Системы расчетов схем – программы математического моделиро-

вания (программы-имитаторы) работы электрических схем. В основном

http://www.w3.org/TR/xlink/


СПИ-МП-2006

220

основаны на SPIСE технологии. При моделировании работы сложных электрических схем результат в большинстве случаев оказывается точнее полученных в лабораторных условиях.

• Универсальную справочную систему электронных компонентов с возможностью сопряжения её с различными САПР – программу, дающую разработчику всю необходимую информацию по элементной базе. Помо-гает быстро и эффективно находить (подбирать) электронные компоненты с описание их технических характеристик. Данная справочная система обеспечивает быстрый доступ к различной справочной информации (элек-трические параметры, предельные эксплутационные характеристики, габа-ритные размеры, графика и т. п.), а система поиска позволяет быстро найти или подобрать нужный элемент с заданными параметрами. Для быстрого поиска радиоэлектронных компонентов находящихся в различных поль-зовательских, интегрированных библиотеках системы P-CAD (.lib) разра-батывается поисковая система.

• Системы размещения и трассировки (P-CAD) – программы, предна-значенные для непосредственного размещения электронных компонентов на печатной плате с последующим построением топологии сетей.

• Системы создания чертежей – программы, предназначенные для изготовления технической документации и чертежей, согласно установ-ленных правил и требований ГОСТов.

• Системы управления данными – программный комплекс, предна-значен для управления процессом проектирования, согласования и сохра-нения результатов разработки. Является основой сохранения целостности и совместимости всех этапов разработки.

Бугайченко Д.Ю., Соловьев И.П. АРХИТЕКТУРА ИЗОЛИРОВАННОГО ИНТЕЛЛЕКТУАЛЬНОГО

АГЕНТА [email protected]

Одним из современных подходов в области создания информацион-

ных систем, обладающих способностью самостоятельного принятия реше-ний, является агентно-ориентированное программирование. Важным отли-чительным свойством концепции интеллектуального агента является на-личие внешней среды, с которой агент способен взаимодействовать, но не обладает возможностью её контролировать, поэтому агент всегда должен быть готов к тому, что предпринятые им действия не приведут к желаемым результатам.

В современной индустрии разработки информационных систем аген-ты чаще всего используются для решения следующих задач:


СПИ-МП-2006

221

• Автоматизация управления сложными системами. В качестве при-меров можно привести платформу ARCHON, систему управления произ-водством YAMS и систему управления воздушным движением OASIS.

• Сбор и обработка информации. Большинство современных поис-ковых машин всемирной сети Интернет реализовано с использованием агентов.

• Игры – сегодня в компьютерных играх противниками игрока-человека часто становятся игроки, реализованные как интеллектуальные агенты.

Абстрактная архитектура интеллектуального агента определяется в первую очередь свойствами, закладываемыми в его проект:

• Наличие внешней среды – агент является вычислительной сущно-стью, помещенной во внешнюю среду, способной к взаимодействию с ней через выполнение некоторых действий. Как правило, агент не способен полностью контролировать среду, а лишь взаимодействовать с ней.

• Автономность – агент принимает решение о выполнении того или иного действия автономно, без непосредственного участия внешней управляющей сущности.

• Реактивность – агент должен ощущать внешнюю среду и реаги-ровать на изменения в ней, совершая действия, направленные на достиже-ние целей.

• Проактивность – агент должен показывать управляемое целями поведение, проявляя инициативу, совершая действия направленные на достижение целей.

Перечисленные свойства интеллектуального агента предполагают использование в проекте следующих архитектурных компонент:

• Взаимодействие со средой – компонент, обеспечивающий получе-ние информации о состоянии внешней среды, а также осуществление дей-ствий по взаимодействию с ней.

• Моделирование – компонент, используемый для накопления и обо-щения агентом опыта. Позволяет агенту прогнозировать возможные последствия своих действий и выбирать оптимальное для сложившейся ситуации поведение.

• Планирование – компонент, отвечающий за построение сценариев, потенциально приводящих к реализации целей агента. Можно выделить два вида целей агента: перспективные цели, которых агент хочет в прин-ципе достичь в будущем, и оперативные цели, которые агент планирует реализовать на данном этапе взаимодействия со средой.

• Управление – компонент, осуществляющий принятие решения о выполнении того или иного действия в сложившейся ситуации. При при-нятии решения управляющий компонент оценивает возможные последст-вия действия, используя моделирующий компонент, пытаясь выбрать дей-ствие, наиболее соответствующее оперативным целям.

СПИ-МП-2006

222

Для иллюстрации рассуждений обратимся к диаграмме:

Для реализации моделирующего компонента агента можно предло-

жить использовать формальные логические методы, когда агент хранит в базе данных некоторые известные ему знания о среде и её закономерно-стях, а при прогнозировании последствий действий использует логические следствия. Альтернативным методом является использование метода пол-ной фактографии, когда агент запоминает каждый свой шаг и его послед-ствия, а затем ищет информацию о различных действиях в сложившихся условиях. Отдельное внимание следует уделить методам моделирования, основанным на нестрогих алгоритмах, например, нейронных сетях. В этом случае каждый шаг агента не запоминается явно, а используется как эле-мент в обучающей последовательности для некоторой нейронной сети.

Будников С.А., Качанова М.Н. ПРОБЛЕМА АНТИВИРУСНОЙ БЕЗОПАСНОСТИ

[email protected] Ущерб от компьютерных вирусов на сегодняшний день - одна из ос-

новных статей убытков в сфере информационных технологий. Одна вирусная атака на компьютерную систему влечет за собой це-

лый спектр разного рода убытков для владельцев этой системы. Специали-сты выделяют следующие основные «поражающие факторы»: затраты времени специалистов на устранение собственно вируса («чистка»); стои-мость утраченных данных; расходы на аппаратно-технические средства и программное обеспечение; простой системы; потери рабочего времени со-


СПИ-МП-2006

223

трудников из-за простоя системы; снижение производительности труда; ущерб, нанесенный деловой репутации пострадавшей фирмы.

Для обеспечения защиты от вирусной атаки, у каждого предприятия должно быть в основе всей стратегии антивирусной безопасности органи-зации должны лежать следующие разделы: политика антивирусной безо-пасности, план работ по обеспечению антивирусной безопасности, порядок действий в критических ситуациях.

При разработке политики антивирусной безопасности специалисты должны руководствоваться следующим критерием: чем выше требования к информационной безопасности, тем более централизованным должно быть управление антивирусными средствами, тем «прозрачнее» для пользовате-ля должен осуществляться процесс защиты от вирусов, тем меньше у поль-зователей должно оставаться возможностей для вмешательства в этот про-цесс. План работ по обеспечению антивирусной безопасности касается в основном группы, отвечающей за обеспечение защиты от вирусов.

Порядок действий в критических ситуациях, т.е. в тех случаях, когда вирусная инфекция в силу каких-либо причин все же попала в систему, разрабатывается после завершения создания и внедрения предыдущих эта-пов. Такая ситуация может никогда и не возникнуть, но сам факт создания документа вселит в персонал уверенность, что даже в самых сложных слу-чаях вопросы будут решаться оперативно и продуманно.

Для реализации стратегии антивирусной безопасности необходимо своевременно оценить степень антивирусной безопасности вашего пред-приятия и если она не удовлетворяет требованиям, то произвести реконст-руирование антивирусной системы организации.

Оценка степени антивирусной безопасности представляется сложной математической задачей.

Будников С.А., Шпанагель О.В. ПРОБЛЕМЫ ЗАЩИТЫ ОТ ЗЛОВРЕДНОГО ПРОГРАММНОГО

ОБЕСПЕЧЕНИЯ [email protected]

На сегодняшний день вопрос защиты от зловредного программного

обеспечения (ЗПО) стоит наиболее остро. Все большее количество стран классифицируют ее как угрозу национальной безопасности. На защиту вы-числительных систем и сетей сегодня тратятся колоссальные средства (около 24 млрд. долларов в год). Вирусные атаки становятся все более опасными, поскольку произошла тотальная компьютеризация всех систе-мообразующих элементов современной цивилизации: энергетики, комму-нальных инфраструктур, телекоммуникаций, финансовых систем, желез-нодорожного и авиационного транспорта и т.д. Эволюция системообра-


СПИ-МП-2006

224

зующих элементов современной цивилизации сопровождается еще более динамичной эволюцией ЗПО.

ЗПО может быть создано для размножения, как в случае вирусов, для разрушения или повреждения в системе, или для хищения информации. Кроме того, другие типы ЗПО представляют специфичные виды воздей-ствия программного обеспечения на систему. К ним относятся: компью-терные вирусы, spyware, trojan, adware, malware, сетевые черви, и т.д.

Как правило все ЗПО ориентировано на контроль над вычислитель-ной сетью, контроль файлов и реестра, и управлением документами. Перед тем, как ЗПО становится резидентным в памяти, его нужно запустить. ЗПО часто реализует методики, гарантирующие хотя бы однократный запуск в каждой сессии системы. Это осуществляется путем добавления или моди-фикации ключей реестра, а также изменения ассоциаций для часто исполь-зуемых расширений файлов.

Кроме того, управление документами в современном офисе осущест-вляется через офисные приложения обработки текста, электронных таблиц и презентации, которые часто уязвимы для макровирусов. Все это делает инфраструктуры предприятий очень уязвимыми.

Для защиты от ЗПО рекомендуется использовать меры: 1. Не работать в сети Internet с привилегиями администратора. 2. Создать учётную запись с ограниченными правами. 3. Регулярно производить проверку жёсткого диска. антивирусной

программой с обновлённой базой. 4. Использовать для проверки программы-ревизоры. 5. Установить на компьютер хороший межсетевой экран. 6. Не распаковывать архивы неизвестного происхождения. 7. Произвести адекватные настройки Интернет-обозревателя. Применение этих мер позволит существенно повысить защищен-

ность вычислительной сетью от ЗПО.

Водовозов А.М., Клепиков И.Н. РАЗРАБОТКА ПРОГРАММНО-АППАРАТНОГО КОМПЛЕКСА ДЛЯ

ИССЛЕДОВАНИЯ ПРОГРАММИРУЕМОЙ ЛОГИКИ [email protected]

Устройства с программируемой логикой, известные как программи-

руемые логические контроллеры (ПЛК), и предназначенные для работы в режиме реального времени в условиях промышленной среды, стали сего-дня неотъемлемой частью систем автоматизации на уровне локального управления объектами. Ведущие производители ПЛК (Siemens, Omron, AEG Modicon, Allen Bradley, Mitsubishi) сопровождают свои изделия про-блемно- ориентированным программным обеспечением для реализации ал-


СПИ-МП-2006

225

горитмов логического управления. Благодаря такому подходу ПЛК стано-вятся универсальной структурой, инвариантной по отношению к объекту управления, а их изучение все логичнее вписывается в образовательные программы по самым разным дисциплинам и специальностям.

Традиционно все ведущие производители ПЛК представляют удоб-ные инструменты, оптимизированные под свои изделия. Они предлагают сегодня целые комплексы с поддержкой МЭК-языков, сохраняющие пре-емственность в последовательных разработках. Вместе с тем открытость МЭК-стандарта привела к появлению многочисленных систем программи-рования, отличающихся интерфейсами, наборами встроенных функций, графикой, изучение которых в общем виде становится нелогичным..

В результате сопоставительного анализа аппаратных и программных средств программирования ПЛК в качестве системы начального уровня выбран контроллер Logo фирмы Siemens cо средой программирования Logo!Soft Comfort. Программное обеспечение включает в себя графиче-ский интерфейс для создания программы в режиме offline в виде релейно-контактной схемы или функционально-блоковой диаграммы; программ-ный симулятор для моделирования поведения схемы на персональном компьютере; средства для распечатки графических программ и их сохра-нения на диске; средства параметризации функциональных блоков; интер-фейс для передачи программы в ПЛК и считывания программы из ПЛК в компьютер; поддержка тестирования реальной схемы в режиме online: отображение состояний и текущих значений переменных в рабочем режи-ме, состояния всех цифровых входов и выходов, флагов, битов регистра сдвига и клавиш управления курсором, значений всех аналоговых входов, выходов и флагов, результаты работы всех блоков, текущие значения (включая времена) выбранных блоков.

В структуру разработанного комплекса введены коммутационные блоки и средства индикации, позволяющие реально организовать работу системы. Конструкция допускает расширение конфигурации при измене-нии условий проектирования.

Десятов А.Д. О ЗАДАЧЕ СИНТЕЗА ОПТИМАЛЬНОЙ СИСТЕМЫ ЗАЩИТЫ

ИНФОРМАЦИИ [email protected]

При проектировании системы защиты информации (СЗИ) осуществ-

ляется процесс принятия решений, который заключается в выборе и оценке наилучших вариантов построения СЗИ. Опишем данную задачу.

Злоумышленник с помощью некоторого источника угроз генерирует совокупность угроз информационной системе (ИС) (путь она будет конеч-


СПИ-МП-2006

226

ной: ni ,1= ). Каждая i-я угроза характеризуется вероятностью появления Pi_угр и ущербом qугр

i∆ , наносимым ИС. СЗИ выполняет функцию полной или частичной компенсации угроз

для ИС. Основной характеристикой средств защиты являются вероятности устранения каждой i-й угрозы P устр

угрi _ . За счет функционирования СЗИ обеспечивается уменьшение ущерба

W, наносимого ИС воздействием угроз. Обозначим общий предотвращен-ный ущерб ИС через W , а предотвращенный ущерб за счет ликвидации воздействия i -и угрозы через ωi .

Сформулируем в общем виде задачу синтеза средств защиты инфор-мации в ИС: необходимо выбрать вариант реализации СЗИ, обеспечиваю-щий максимум предотвращенного ущерба от воздействия угроз при допус-тимых затратах на СЗИ. Для решения задачи необходимо, прежде всего, сформировать показатель качества функционирования СЗИ )(TW .

Предотвращенный ущерб в общем виде выражается соотношением: W =F(Pi угр; qугр

i∆ ; P устругрi _ ), ni ,1= (1)

Предотвращенный ущерб за счет ликвидации воздействия i -й угрозы ωi = Pi угр• qугр

i∆ • P устругрi _ , ni ,1= (2)

При условии независимости угроз и аддитивности их последствий получаем:

∑=

=n

iW

1Pi угр• qугр

i∆ • P устругрi _ . (3)

Задача синтеза СЗИ сводится к оптимальному обоснованию количе-ственных и качественных требований к СЗИ при допустимых затратах и принимает вид:

max W (xij), ni ,1= , mj ,1= , (4) при ограничении СxС допij ≤)( , ni ,1= , mj ,1= , где xij - степень выполнения j-го требования к СЗИ для устранения i-й угрозы.


1. Айзерман М.А., Алескеров Ф.Т. Выбор вариантов. Основы теории. - М.: Наука, 1990.- 240 с.

Драгныш Н.В. ТРЕБОВАНИЯ К СРЕДЕ РАЗРАБОТКИ СЛОЖНЫХ

ПРОГРАММНЫХ СИСТЕМ [email protected]

Развитие языков программирования можно рассмотреть как преодоление кризисов программирования. Сейчас мы переживаем пятый кризис, причина которого — массовое внедрение информационных технологий в бизнес и быт человека, а также потребность в построении


СПИ-МП-2006

227

бизнес и быт человека, а также потребность в построении больших и сложных программных систем. При этом потребности в программных продуктах все больше превосходят возможности программистов, а разви-тие программирования все больше отстает от развития информационных.

Пока потребности пользователей частично удовлетворяются за счет типизированных программ или пакетов, обладающих некоторыми возмож-ностями настройки. Однако решение уже чуть более сложных задач требу-ет навыков и умений программиста, которыми подавляющее большинство пользователей не обладают.

Процесс разработки больших программных систем сложен и непред-сказуем. Программные проекты часто прерываются, выходят за рамки сро-ков и бюджета и приводят к неудовлетворительным результатам

Исходя из анализа развития языков программирования, текущей си-туации в проблемной области и проблем сложных систем можно вырабо-тать требования, предъявляемые к среде проектирования, выполнение ко-торых необходимо для выхода из текущего кризиса программирования:

1) Ориентированность на пользователя-непрограммиста, при этом он как специалист должен оперировать понятиями предметной области.

2) Разработка средств управления сложностью. 3) Поддержка не только синтеза системы, но и анализа, хотя бы на

описательном уровне 4) Гибкое управление уровнем абстрагирования. 5) Возможность гибкого редактирования проектируемой системы в

любой момент времени, в том числе и при эксплуатации. 6) Повторное использование конструкций, как на уровне любой ра-

ботающей подсистемы, так и на уровне модели предметной области. 7) Контроль ошибок. Пользователь должен быть поставлен в такие

условия работы, при которых ему не только будет легче обнаруживать ошибки, но и гораздо труднее их совершать.

8) Автоматическая реализация параллельности. 9) Совместимость как можно с большим количеством языков про-

граммирования - среда разработки должна предоставлять средства для ра-боты с программами, написанными на разных языках программирования.

Драгныш Н.В. ЯЗЫК ЗАПРОСОВ СРЕДЫ РАЗРАБОТКИ СЛОЖНЫХ

ПРОГРАММНЫХ СИСТЕМ [email protected]

Пользователь, для того чтобы реализовать конкретную систему дол-жен выбрать некоторый язык описания моделей, т.е. предметную область. Выбор можно осуществить через иерархию, на каждом уровне отметая или выбирая группу, пока, в конечном счете, не придем к конкретной предмет-


СПИ-МП-2006

228

ной области. Данный подход учитывает родственность, взаимосвязь пред-метных областей, но может быть достаточно громоздким, т.к. приходится осуществлять перебор ветвей иерархии. Как альтернатива язык запросов. Пользователь вводит запрос, в котором содержатся ключевые слова об ис-комой предметной области и языке описания моделей. Среда проектирова-ния выводит ему ссылки на подходящие предметные области, используя информацию запроса и описание каждой предметной области.

При поиске предметной области желательно оперировать не симво-лами, составляющими содержание текстовых блоков, а более высокоуров-невыми объектами – термами. Для любой предметной области можно со-ставить словарь термов.

Таким образом, для включения в описание любой предметной облас-ти iПОx определим нечеткий словарь термов i -й предметной области и

общий словарь термов Т: /)(~ ><=jjiПОi ПОПОTПО ttT µ , U

n

iПОi

TT1=

=

При формировании запроса пользователь выбирает термы из общего словаря и выставляет им нечеткую оценку, соответствующую степени важ-ности терма в запросе. Таким образом, формально определим запрос через нечеткое множество термов запроса: /)(~ ><=

jjЗ ЗЗTЗ ttT µ . На основе нечетких множеств термов запроса и термов предметных

областей, можно проранжировать предметные области, используя оценки:

k

ttk

jЗTЗT

i

jiПОjЗ∑

== 1)(*)( µµ

ω

Если ij ПОЗ Tt ∉ , то 0)( =

jiПО ЗT tµ . Благодаря нормированию 10 ≤≤ iω . 1=iω свидетельствует об

абсолютном соответствии запроса и предметной области, 0=iω о полном их несоответствии.

Колоколов И.А., Литвиненко А.Н., Ширшин И.С. XML МОДЕЛИРОВАНИЕ ЭКРАННЫХ ФОРМ

[email protected] [email protected] [email protected] Рассматриваются технологические проблемы работы со сложными

программными объектами на примере экранных форм (ЭФ). Предлагается использовать собственные высокоуровневые декларативные XML специ-фикации для типовых ЭФ и выйти на качественно более высокий уровень программирования, упростить создание и сопровождение ЭФ.

При разработке СУБД приложений строится большое количество ЭФ. Как правило, каждый разработчик выделяет и использует небольшое




СПИ-МП-2006

229

количество типов ЭФ (например, справочник, накладная, ЭФ для условий отчетов). Количество ЭФ каждого типа, в рамках одного приложения, из-меряется десятками. При построении и, главное, при сопровождении тако-го большого количества однотипных экранных форм возникают техноло-гические проблемы, связанные с неудобством внесения изменений.

Стандартных средств конструктора ЭФ часто недостаточно для ре-шения всех возникающих проблем. Такой конструктор навязывает свою объектную модель и свою модульность, которая далеко не всегда адекват-на логической модели разработчика. Для типовых ЭФ разработчик строит свою собственную объектную модель, как надстройку над моделью среды разработки [1]. При этом создаются некие регулярные правила и соглаше-ния для каждого типа ЭФ, то есть вводится специальный «стиль». Эти ре-гулярные правила и соглашения хотелось бы не повторять для каждого эк-земпляра, а вынести «за скобки» в отдельный модуль, соответствующий определению «стиля». Например, сделать для всех числовых полей экран-ных форм один формат и длину поля ввода; один стиль и размер шрифта; один заголовок и одна процедура Click для кнопки вызова календаря и т.д. Кодирование регулярных правил заставляет разработчика заниматься мо-нотонной работой, повторяя много раз одни и те же действия. Это снижает эффективность сопровождения и увеличивает вероятность логической ошибки, связанной с неточностью определения очередной логической еди-ницы в рамках одного регулярного правила.

ЭФ это сложно структурированный объект с большим количеством задаваемых параметров. Фактически, создание ЭФ – это определение свойств и методов формы и ее компонентов. Основная цель предлагаемого подхода состоит в уменьшении информации, задаваемой при построении ЭФ, и повышении ее декларативности.

Предлагается сокращать количество параметров не за счет потери используемых возможностей, а за счет более высокого уровня описания ЭФ. При этом редко используемые параметры не теряются, а остаются на нижних уровнях абстракции. По сути, строятся свои собственные объекты, которые, во-первых, являются надстройкой над объектами среды, а, во-вторых, являются более высокоуровневыми и декларативными, чем объек-ты инструментальной среды разработки.

Предлагается строить свою модель для каждого типа экранной фор-мы. Под моделью понимается XML описание (спецификация) ЭФ и неко-торый модуль-исполнитель, интерпретирующий или компилирующий это описание в конкретный текст на языке программирования, и делающий это описание исполнимым. Для построения модели предлагается исполь-зовать язык XML, так как это открытый универсальный формат представ-ления любого типа данных, простой в понимании, гибкий в использовании и его поддержка крупными лидерами в сфере современных технологий растет с каждым днем.

СПИ-МП-2006

230

XML-модель для ЭФ можно определить следующим образом: <Form idform=”form_id” сaption=”Заголовок” . . . > <Item type=”Shape” . . . /> <Item type= “Button” caption=”Отмена” . . . > <Proc name=”Click” > DO myprocedure IN myprogram WITH myparametr . . . ThisForm.Release </ Proc > </Items> <Item type=”TextBox” caption=”Товар” csourse=”table1.field2” ... /> . . . <Proc name=”proc_name”> . . .</Proc> . . . </Form>

где тег <Item> определяет элемент ЭФ, а тег <Proc> - процедурное опре-деление ЭФ и ее элементов. Это дает полный контроль над таким сложным программным объектом, как экранная форма.

При использовании такого подхода можно выделить ряд преиму-ществ:

- количество задаваемой информации меньше, чем при классиче-ском программировании;

- В отличие от конструктора ЭФ, информацию, определяющую ЭФ можно получить программным способом;

- можно использовать умолчания, т.е. можно задавать некоторую информацию, а можно и не задавать, тогда она будет определяться по не-которым регулярным правилам и соглашениям;

- модель ясно и четко отображает структуру ЭФ, это особенно важ-но если эта информация имеет большой уровень вложенности;

- можно автоматически вычислять все что нужно. Например, не на-до задумываться о том, как и где будет располагаться элемент, вынеся это определение в отдельный модуль, соответствующий определению «стиля». Это позволяет мыслить на более высоком уровне абстракций.

Используя XML моделирование, мы можем определять как стан-дартные элементы типа TextBox (текстовое поле) или Label (метка) с каки-ми-то свойствами и процедурами, так и более сложные (составные) эле-менты (более высокого уровня). Например, элемент для задания диапазона дат, состоящий из семи стандартных элементов типа Label, Label, TextBox, Button, Label, TextBox, Button:

будет являться одним неделимым элементом. Его XML определение будет выглядеть следующим образом:

СПИ-МП-2006

231

<Item type=“RangeDate” caption= “За какой диапазон дат” perem=”datdiapl” . . . / >

За этим определением стоит как визуализация данного объекта (оп-ределение «стиля»), так и его процедурное оформление (проверка кор-ректности дат; проверка, что первая дата всегда меньше второй; обработка введенной информации и т.д.).

Если создать такой же элемент программным способом, то получит-ся достаточно большой и запутанный программный код. А если таких эле-ментов на ЭФ несколько, то объем кода вырастет пропорционально коли-честву таких элементов и любое внесение, даже малейшего, изменения в структуру такого сложного элемента, повлечет за собой монотонное про-сматривание программного кода и внесение одинакового изменения для каждого его элемента. При использовании модели, это изменение нужно будет сделать лишь в одном месте (на нижнем уровне обработки XML-модели). Изменение структуры ЭФ сводится к простому изменению тегов в XML спецификации.

В качестве аналога данного подхода можно привести пример из баз данных. Переход от простого пробега по строкам таблицы с целью их об-работки к SQL – языку структурированных запросов – ознаменовал новую эру в работе с данными. Теперь разработчик задает не как, а какую полу-чить информацию. Все остальные шаги совершаются автоматически, неза-висимо от пользователя. XML модели играют роль операторов языка SQL.

Основным преимуществом данного подхода является то, что можно построить программную систему, эволюционные модификации которой будут производиться безболезненно [2] и технологично. Безболезненность достигается за счет уменьшения и сосредоточения информации об одно-родных объектах системы, а это, в свою очередь, достигается за счет вве-дения более высокоуровневых и более декларативных объектов.

Суть подхода состоит в том, что строится своя собственная модель и своя собственная модульность. Тем самым программирование происходит в рамках введенных наших собственных категорий. Данный подход позво-лит автоматизировать и упростить работу разработчика по созданию эк-ранных форм, существенно снижая себестоимость выполнения поставлен-ных задач.


1.Гради Буч, Объектно-ориентированный анализ и проектирование.// Rational Санта-Клара, Калифорния, перевод с англ., под редакцией И. Ро-мановского и Ф. Андреева.

2.Горбунов-Посадов М.М. Расширяемые программы. // М.: Полип -тих, 1999.

СПИ-МП-2006

232

Кравец О.Я., Сафонов А.И. ОСОБЕННОСТИ РЕАЛИЗАЦИИ МНОГОСЕРВЕРНОЙ СИСТЕМЫ

СОПРОВОЖДЕНИЯ АТТЕСТАЦИОННЫХ ДЕЛ [email protected]

Система создания и сопровождения электронной копии аттестацион-

ного дела предназначена для передачи данных о соискателе в базу данных аттестационной службы. Система создания и сопровождения электронной копии аттестационного дела является распределенной системой и состоит из двух основных частей:

- Клиентское рабочее место – это ПО, которое стоит непосредст-венно у ответственного оператора и в которое вводятся исходные данные

- Серверная часть – ПО, которое принимает данные от клиент-ской части и передает на сервер аттестационной службы.

Серверная часть устанавливается на "Доверенном сервере" и являет-ся промежуточным звеном между клиентской частью и сервером аттеста-ционной службы. Это необходимо в целях обеспечения безопасности. Об-мен данными не может совершаться непосредственно между клиентской частью и сервером аттестационной службы. Общая схема распределенной системы представлена на рис. 1.

Рис. 1. Общая схема распределенной системы создания и ведения

электронной копии аттестационного дела Клиентское рабо-

чее место предназначе-но для удобного ввода информации, проверки введенной информации и безопасной передачи данных на "доверенный сервер". Для обеспече-ния всех этих функций клиентское рабочее ме-сто содержит несколько подсистем (рис. 2).

Подсистема ввода предназначена для

Рис. 2. Подсистемы клиентского рабочего места


СПИ-МП-2006

233

удобной работы ответственного оператора и обеспечивает ввод данных с клавиатуры пользователем. Подсистема обработки предназначена для вы-бора полей справочников из базы данных справочников и проверяет цело-стность вводимых данных. Подсистема электронной подписи обеспечивает сохранность данных и предотвращает возможность "прямого" редактиро-вания данных на уровне файловой системы. Дисковая подсистема обеспе-чивает передачу данных на гибкий диск в случае отсутствия соединения с "доверенным сервером". Сетевая подсистема обеспечивает установку со-единения с "доверенным сервером" и целостность передачи данных. Под-система выдачи выходных форм обеспечивает возможность печати отчетов по аттестационным делам или данных о соискателе.

Кроль Т.Я., Чистяков П.Н., Крылов М.В., Капитонихин А.С. ИНТЕГРАЦИЯ САПР НА ОСНОВЕ МОДЕЛИ ОБЪЕКТНО-

ОРИЕНТИРОВАННОЙ ДЕКОМПОЗИЦИИ [email protected]

История существования САПР насчитывает не одно десятилетие. За

это время в области САПР были решены многие задачи, однако сейчас стал остро ставиться вопрос о взаимной интеграции гетерогенных САПР на различных этапах жизненного цикла продукта проектирования.

Как одно из решений задачи объединения систем проектирования, первоначально применялась схема непосредственного объединения, т.е. взаимодействующие между собой системы объединяются непосредственно друг с другом. Такое решение обладает недостатками - изменение схемы взаимодействия систем, ввод новых этапов проектирования и исключение существующих приводили к очень большим затратам по изменению про-граммного обеспечения и выводили из строя всю систему на длительное время, что в условиях современного динамичного рынка САПР недопус-тимо.

В настоящее время перспективным направлением интеграции явля-ется интеграция используемого ПО САПР на основе концепции единого информационного пространства.

В данном пространстве присутствует информация о погруженных в него САПР, документообороте процесса проектирования, графике выпол-нения проектных работ, оборудовании проекта, нормативно-справочная и номенклатурная информация, а так же прочие специфические сведения доступные любой погруженной САПР в соответствии с ее полномочиями. Именно наличие целостной информации в едином хранилище позволяет обеспечить поддержку всего процесса проектирования. Структура и со-


СПИ-МП-2006

234

став хранимой информации являются существенно переменными из-за сле-дующих основных причин:

• необходимость применения новых САПР и отказ от использования существующих,

• модификации используемых САПР, • динамика рынка покупных изделий и комплектующих, • быстро изменяющиеся процессы проектирования и структура про-

ектных организаций.

Рис. 1. Модель объектно-ориентированной декомпозиции

При этом эти изменения в структуре должны быть сделаны в мини-мальные сроки и с минимальными затратами и без остановки процесса проектирования. Таким образом, единое хранилище должно быть реализо-

СПИ-МП-2006

235

вано с учетом требований переменности по отношению к структуре и виду хранимой информации, гибкости и настраиваемости.

Для достижения поставленных требований предлагается технология на базе модели объектно-ориентированной декомпозиции информацион-ного пространства. Согласно этой технологии, информационное хранили-ще представляет собой систему взаимосвязанных объектов, называемых информационными объектами, отражающих информационные нужды по-груженных САПР.

Концептуально, модель представляется иерархической структурой (рис. 1), при переходе с каждого нижележащего уровня к вышележащему повышается уровень абстракции, таким образом, оперируя на первом уровне структурными элементами единого хранилища в терминах СУБД, то на следующих уровнях работа уже происходит в терминах предметной области. Такое абстрагирование позволяет решить проблему настраивае-мости и гибкости, путем применения унифицированных алгоритмов дос-тупа к данным нижележащего уровня.

Использование данной системы позволяет существенно сократить сроки разработки и внедрения единой среды проектирования сложных электротехнических объектов, обеспечить высокую гибкость и открытость системы, гарантировать сохранность инвестиций при изменениях техноло-гии проектирования и внешних условий существования проектных орга-низаций.

Кручинин А.Н., Литвиненко А.Н., Колоколов И.А. ФАКТОР ТРАНЗАКЦИОННОСТИ В ЖИЗНЕННОМ ЦИКЛЕ

ПРОГРАММЫ [email protected]

Программа во время жизненного цикла претерпевает ряд изменений,

которые переводят ее из одного рабочего состояния в другое. Необходи-мым требованием работоспособности программы является безболезнен-ность вносимых изменений. Метод изменения программы называется безболезненным для работоспособности, если его применение не может нарушить работоспособность отлаженных ранее версий программы [1].

Переход программы из одного рабочего состояния в следующее представляет собой т.н. цепочку развития. Во время таких переходов мо-дификации, вносимые в программу, должны отвечать принципу, который также позволял бы переводить систему из текущего состояния в предыду-щее, получая сужение системы по функционалу. Таким образом, любое изменение в цепочке состояний системы носит характер транзакции.

Под транзакцией понимаем логически-завершенную группу опера-ций, которая должна быть выполнена или отвергнута как единое целое в


СПИ-МП-2006

236

рамках модификации программы. Механизм транзакций получил широкое распространение в СУБД, файловых и системах контроля версий CVS и SVN. Чрезвычайно важно, чтобы совокупность фрагментов кода, обнов-ляющих систему до новой версии, были не только четко перечислены, но и обозримы, поскольку необходимо уметь видеть код обновления в отрыве от иного кода. Была установлена значимость влияние фактора транзакци-онности в процессе изменения системы. Обращаясь к сущности транзак-ций, были установлены свойства в цепочке развития, перечисленные в мо-дели ACID для СУБД, включая атомарность, согласованность, изолиро-ванность и устойчивость.

Перенесение идей транзакций на область проектирования и написа-ния программного кода, позволило построить генератор, работающий с метакодом, суть которого - возможность безболезненного внесения и изъ-ятия атомарных модификации кода на уровне вертикального слоения [2].

С учетом применения высокоуровневых спецификаций на входе ге-нератора [3], а, также учитывая влияние факторов рассредоточенности и транзакционности на процесс генерации кода, была получена система, ко-торая на конкретных задачах позволила существенно сократить время и повысить качество вносимых в программный код изменений по сравнению с распространенными системами.


1. Горбунов-Посадов М.М. Расширяемые программы. - М.: Полип-тих, 1999.

2. Фуксман А.Л. Технологические аспекты создания программных систем.— М.: Статистика, 1979. - 184с.

3. К. Чаренцки, У.Айзенекер, Порождающее программирование. — С.-Пб.: Питер, 2005. - 315с.

Кузнецов Р.В. ПРОБЛЕМЫ ОДНОВРЕМЕННОГО ДОСТУПА К ДАННЫМ

[email protected] Нескоординированный одновременный доступ к данным нескольких

приложений может привести к различным видам искажения данных. Пред-положим, например, что приложение онлайновых продаж обновляет теку-щую итоговую сумму по операциям продаж за день. Всякий раз, когда осу-ществляется продажа, считывается текущий итог по продажам за день, к нему прибавляется сумма новой продажи и результат записывается об-ратно на устройство хранения данных. На Рис.1 представлен один из воз-можных сценариев, когда две и более копий этого приложения, работаю-щих на разных серверах, могут привести к искажению итоговой суммы


СПИ-МП-2006

237

продаж за день. Проблема искажения данных, пример которой приведен на рисунке, возникает из-за того, что копии приложения, запущенные на двух серверах, "не знают" о существовании друг друга. Когда копия P2 считы-вает итоговую сумму продаж за день, она не знает, что копия P1 уже про-читала это значение и поместила его в свой кэш с целью обновления. Что-бы обработка данных была корректной, последовательности операций чте-ние-изменение-перезапись, выполняемые каждой из копий приложения, должны быть неделимыми. Это означает, что каждая такая последователь-ность обновления должна выполняться как единое целое, т.е. во время ее выполнения над записью итоговой суммы по продажам за день не может быть выполнена ни одна не входящая в эту последовательность операция. Если бы копии приложения, вносящие указанные изменения, выполнялись на одном и том же компьютере, то для корректной работы приложения по-требовалась бы файловая система или СУБД, которые поддерживают од-новременную работу нескольких программ записи. Такие менеджеры дан-ных включают в себя менеджеры блокировок, которые временно запреща-ют доступ к группам байтов в файле или к записям в БД, чтобы предотвра-тить их одновременное обновление несколькими процессами.

Кязимов Дж.К. МОДЕЛЬ ПАРАЛЛЕЛЬНЫХ ВЫЧИСЛЕНИЙ НА ОСНОВЕ ГРАФА

ПОТОКОВ ДАННЫХ [email protected]

Основу математической модели параллельного алгоритма составляет

граф потоков данных (ГПД). В потоковой модели параллельная программа представляется набором вычислительных узлов-подзадач, которые имеют фиксированное количество информационных входов и выходов. Узлы вы-полняют одни и те же операции с разной поступающей на входы информацией, и выдают результаты на свои выходы.


СПИ-МП-2006

238

В данной работе формулируется модель параллельной программы, называемая потоковой, на основе ГПД. Она основывается на интенсивно-стях трафика в каналах обмена данных между задачами.

В работе показано, что условием оптимальности параллельного вы-числительного процесса(ПВП) является как сбалансированность нагрузки между процессорами, так и минимизация межпроцессорного обмена дан-ных по сети. В системах с идентичными процессорами оптимальной явля-ется равномерная балансировка нагрузки. Для учета ограниченной пропу-скной способности сети введен критерий оптимальности - минимизации потока данных между узлами сети.

Для работы алгоритмов оптимизации необходимо количественно определить понятие перегрузки в ПВП. Перегрузки определяются с помощью измерения среднего трафика, проходящего по каналам обмена данных. Предполагается, что статистика потоков во всех каналах-дугах ГПД меняется только из-за изменения распределения задач по процессора-ми(конфигурации).

В работе также рассматривается динамические алгоритмы оптималь-ного распределения задач. На каждой итерации динамического алгоритма в качестве начальных данных для используемого статического алгоритма берутся текущие усредненные, с момента последней итерации, значения характеристик вычислительного процесса.


1.Нечепуренко М.И., Попков В.К. и др. Алгоритмы и программы решения задач на графах и сетях. Новосибирск:Наука, 1990.

2.Системы параллельной обработки. Под ред. Д.Ивенса, М.:Мир, 1985

3.Богачев К.Ю. Основы параллельного программирования. М.: Би-ном, 2003.

Лысаков К.Ф. ПРИМЕНЕНИЕ ВМПП ДЛЯ СОЗДАНИЯ

ВЫСОКОПРОИЗВОДИТЕЛЬНЫХ ВЫЧИСЛИТЕЛЬНЫХ УСТРОЙСТВ И СИСТЕМ

[email protected] В настоящее время высокопроизводительные вычислительные сис-

темы можно условно разделить на системы с фиксированной структурой и с программируемой структурой. Системы с фиксированной структурой представлены либо универсальными устройствами на основе серийных универсальных микропроцессоров (персональные компьютеры и серверы на базе универсальных процессоров), либо специализированными устрой-


СПИ-МП-2006

239

ствами, ориентированными на решение конкретной поставленной задачи (например система GRAPE-6 для решения задачи взаимодействия N тел). Системы с программируемой структурой строятся из вентильных матриц программируемых пользователей - ВМПП (FPGA), что позволяет про-граммно настраивать схему для реализации требуемого преобразования данных.

В работе произведен анализ недостатков и преимуществ систем с фиксированной и программируемой структурой, проявляющихся в кон-кретных задачах реализации трудоемких математических алгоритмов об-работки данных.

Повышение производительности микропроцессоров достигается за счет увеличения тактовой частоты работы логических элементов и количе-ства таких элементов. Однако в последние годы наблюдается существен-ное замедление роста тактовой частоты процессоров (с 2003 года AMD увеличила частоту процессоров семейства Athlon с 2,5 до 3 ГГц), а произ-водительность систем, включающих десятки и более процессоров, ограни-чивается не только скоростью передачи данных между узлами, но и слож-ностью программирования таких систем.

На сегодняшний день на реальных задачах обработки сигналов про-изводительность ВМПП достигла триллиона операций умноже-ния/накопления в секунду, что позволяет максимально усложнить задачу, выполняемую одним кристаллом.

Таким образом, в ближайшее время большой импульс развития и применения получают так называемые программно-реконфигурируемые вычислители, которые представляют собой объединение универсальных микропроцессоров и ВМПП в одном устройстве. Такие вычислители смо-гут объединить достоинства кластерных архитектур с вычислительной мощностью ВМПП.

Ляхов А.Л. СПЕЦИФИКАЦИИ ВХОДНОГО ЯЗЫКА СКА НОВОГО

ПОКОЛЕНИЯ [email protected]

Институтом проблем математических машин и систем НАН Украи-

ны (Киев) и Национальным техническим университетом имени Юрия Кон-дратюка (Полтава) разрабатывается система компьютерной алгебры (СКА) нового поколения, предназначенная для численно-аналитического решения сложных задач.

В работах [1-3] очерчена проблема сложных задач компьютерной ал-гебры и сформулированы теоретические основы ее решения путем интел-лектуализации программного обеспечения (ПО). В частности, разработана


СПИ-МП-2006

240

теоретико-множественная модель прикладной задачи, показано, что интел-лектуализация ПО сложных задач должна осуществляться языком на осно-ве аналитической грамматики и доказано существование такого языка.

Входной язык СКА, предназначенной для разработки ПО, обладаю-щего искусственным интеллектом, должен содержать соответствующее подмножество средств. Спецификации входного языка (см. рисунок) логи-чески следуют из теоретических результатов [1-3]:

• Основной объект языка – комплекс с дуализмом свойств комплек-са над множеством имен атомарных данных, который является абстракци-ей отношения зависимости между этими именами, и нерва множества опе-раций, выполняемых при вычислении значений этих выражений.

• Необходимые условия реализации категорий языка на основе ана-

Схема спецификаций языка СКА, предназначенной для интел-лектуализации программного обеспечения численно-аналитических методов

Схема отношений Форма

Классы объектов Свойства

Функциональное

Именующее выражение

Схема выражения Нерв множества выражения

Имя класса

Базисные средства

Создание выражений

Расширение словаря

Разбиение словаря

Категория – (Принадлежность классу, Морфизм)

Объект язы-

Выражение Нерв множества выражений с отношением абстрактной зависимости

Представление категории языка «па-рой» процедур совместного применения

Формат «пары» должен содержать указание на зависимое множество

Необходимые условия реализации

Идентификатор Именующее выражение

Обращение к элементу класса Морфизм

Заменить Координаты

Алфавитное отображение

Структурное

СПИ-МП-2006

241

литической грамматики следуют из теоремы существования [3] и структу-ры категорий.

• Состав набора базисных процедур детерминируется структурной четверкой языка на основе аналитической грамматики.

Это: o Процедуры для расширения или изменения словаря входного язы-

ка СКА. o Процедуры для разбиения словаря в соответствии с семантикой

языка, которым представлены начальные данные. o Процедуры для формирования формульного представления на-

чальных данных, если эти данные не формализованы (например, качест-венная информация об объектах).

o Процедуры для представления категорий языка: – именования класса объектов элементом этого же класса; – обращения к элементу класса ссылкой на его идентификатор, имя

класса или на его координаты в объемлющей структуре; – проверка принадлежности объекта классу; – процедуры, выполняющие алфавитные отображения путем замены

части (или всего объекта) его образом.

Список использованных источников 1. Клименко В.П., Ляхов А.Л., Фишман Ю.С. Основные тенденции

развития языков систем компьютерной алгебры//Математические машины и системы.– 2002. - 2. – С. 29-64.

2. Ляхов О.Л. Деякі сучасні проблеми застосування чисельно-аналітичних методів// Математичні машини і системи. – 2003. - 2 – С.54-65.

3. Клименко В.П., Ляхов А.Л. Прикладная математическая задача как объект компьютерной алгебры// Математические машины и системы. – 2003. – 3-4. – С. 103-123.

Малафеева Т.В. ЭЛЕМЕНТЫ РЕАЛИЗАЦИИ ЕЯ-ИНТЕРФЕЙСОВ К

РЕЛЯЦИОННЫМ БД [email protected]

На рис. 1 показан основной цикл работы ЕЯ-интерфейса. Эта схема

показывает цикл обработки ЕЯ-запроса. Предполагается, что компоненты Словарь, модель предметной области (МПО) и модель базы данных (МБД) уже сформированы, и анализ проходит полный цикл - от естественного языка (вход) до обработанного результата из базы данных (выход).


СПИ-МП-2006

242

ЕЯ-запрос от пользователя поступает на вход процесса "Анализ ЕЯ". Этот процесс, используя лексическую информацию, хранящуюся в слова-рях, а также МПО выбранного ЕЯ-интерфейса, преобразует ЕЯ-запрос в семантическую сеть S. Затем в процессе "Генерация SQL" S-сеть преобра-зуется в SQL-форму. При этом используется как МПО, так и модель базы данных (МБД) в виде реляционной схемы.

Рис. 1. Основной цикл работы ЕЯ-интерфейса Полученный SQL-запрос поступает к целевой базе данных (БД), яв-

ляющейся внешней системой по отношению к данной схеме, от нее полу-чается результат в виде множества наборов записей, и, возможно, код ошибки. Процесс "Обработка результата" преобразует этот необработан-ный результат в вид, пригодный для представления пользователю.

Опциональным элементом в данной схеме является процесс генера-ции SQL запроса на базе семантической сети, что обусловлено особенно-стями конкретной предметной области.

Благодаря использованию семантически-ориентированного подхода ЕЯ-интерфейсы при правильном их построении обладают достаточно большой надежностью. Помимо запросов, правильных с точки зрения син-таксиса, понимаются запросы, заданные в «телеграфном» стиле, более ха-рактерном для поисковых систем. Предполагается, что механизм разреше-ния неоднозначности позволит свести к минимуму обращение к пользова-телю и разрешать неоднозначность в системе анализа.

Маринченко Ю.А. УНИВЕРСАЛИЗАЦИЯ ФИЛЬТРАЦИИ И ЗАПРОСА ДАННЫХ SQL-

СЕРВЕРА В VFP [email protected]

1. Режимы работы с удалёнными данными Сохранение, удаление и редактирование данных, хранящихся на

SQL-сервере, являются главной задачей СУБД-приложения, основанного


СПИ-МП-2006

243

на модели "Клиент-Сервер". Компонент класса Grid в Visual FoxPro - ос-новное средство работы с данными.

Существует два режима работы с объектом Grid: - с использованием сквозных запросов, - с использованием обновляемых курсоров. У каждого из этих режимов есть свои недостатки и преимущества.

Рассмотрим режим с использованием обновляемых курсоров. 1.1. Режим с использованием обновляемых курсоров. Обновляемые курсоры хранят информацию о способе соединения с

сервером, спектре требуемых данных (строка запроса), буферизации и др. Важным достоинством обновляемых курсоров является наличие встроен-ного механизма переноса измененной информации на сервер или ее сбро-са, что облегчает задачи программиста. В обновляемых курсорах также предусмотрен механизм импорта данных с сервера. Однако при использо-вании обновляемых курсоров нужно быть внимательным в случаях, когда:

- в таблицах SQL-сервера, входящих в состав запроса для обновляе-мого курсора, присутствуют поля типа Identity(автоинкрементный ключ);

- определены триггеры на таблицы SQL-сервера; - объём запрашиваемых данных велик (более 50000 записей), т.к.

временные затраты на импорт данных с сервера пропорциональны объёму данных.

Для устранения недостатка режима появилась новая модель обнов-ляемого курсора объект CursorAdapter, которая содержит преимущества существовавшей модели объекта RemoteView, и предоставила возмож-ность программно изменять данные, запрашиваемые с сервера.

1.2. Режим с использование сквозных запросов Режим использования сквозных запросов не ограничен в использо-

вании и не требует больших временных затрат при отправке данных с сер-вера. У программиста появляется другая задача: отслеживания изменённых данных и разработки механизма вставки, редактирования или удаления, а также задача обновления данных. В этом случае источником объекта Grid служит временная таблица (курсор), с которым производится вся работа.

2. Модифицированный класс Grid, его функции Был реализован модифицированный класс Grid, предоставляющий

следующие дополнительные функции: - фильтрация данных объекта, рассчитанная на работу с источником

объекта Grid (адаптером курсора, удалённым представлением, локальной таблицей);

- поиск данных; - пакет функций (экспорт в Excel, предоставление списка различных

значений колонки, сумма по колонке и т.д.), вызываемых через меню по правой кнопке мыши;

СПИ-МП-2006

244

- запрос данных с SQL-сервера с использованием объекта Cur-sorAdapter, генерируемого программно.

Перечисленные функции могут использоваться в любом приложе-нии, разработанном в среде Visual Fox Pro, если базовым классом для Grid является рассматриваемый модифицированный класс.

2.1. Фильтрация Эффективная организация фильтрации – один из важнейших аспек-

тов при разработке СУБД-приложения. На программном уровне отбор происходит с помощью SQL - запросов или фильтров.

В каждом СУБД-приложении существует свой собственный по-строитель фильтров, ориентированный под определенную программу или экранную форму. Иногда это объемный модуль, в котором нужно произве-сти большое количество операций, прежде чем достигнуть нужного ре-зультата, даже если это всего лишь простой запрос к БД. Часто разработ-чики конструируют фильтр, использующий только операцию равенства и ввод значений вручную. На рис. 1 изображен универсальный (вверху) и неуниверсальный (внизу) фильтры.

Кроме того, существует множество конструкторов фильтров на английском языке, что может озадачить неквали-фицированного пользователя.

Поэтому было разрабо-тано универсальное средство для конструирования фильтров, которое позволяет легко под-ключаться к СУБД приложе-нию, имеет полностью руси-фицированный интерфейс, предоставляет пользователю

выбор между созданием простого или сложного запроса. Причем для соз-дания простого фильтра интерфейс программы должен быть простым, а для сложного фильтра - интерфейс и средства для его создания должны быть достаточными. Таким образом, при использовании данного модуля, создателю не нужно разрабатывать свой фильтр для каждой экранной формы, а пользователю – разбираться с интерфейсом большого количества фильтров, поскольку во всем приложении он будет единым. Дополнитель-ной возможностью в модуле является просмотр списка различных значе-ний выбранного столбца. В фильтре существует возможность использова-ния отрицания, отмены фильтра, а также вызова формы сложного фильтра.

Чтобы воспользоваться фильтром для определенной таблицы, необ-ходимо добавить в соответствующую форму вызов фильтра (например, в метод init). Всю используемую информацию (имя источника данных, на-

Рис. 1. Сравнение фильтров

СПИ-МП-2006

245

звание столбцов, текущее поле фильтрации, а также чаще всего применяе-мую логическую операцию для заданного поля) модуль автоматически возьмет из свойств экранной формы и расположенной на ней таблицы.

Однако для отбора нужной информации бывает недостаточно одного лишь условия в выражении фильтрации. Это происходит, когда фильтруе-мая таблица содержит множество полей и фильтр по одному из них будет недостаточен. В этом случае в модуле фильтрации предусмотрен раздел «Сложный фильтр» (рис. 2).

Рис. 2. Форма построения сложного фильтра Форма сложного фильтра предоставляет возможность формирования

условий, где значениями могут служить и однотипные поля источника объекта Grid, и формулы с однотипными полями.

Все условия фильтрации введены на русском языке, что облегчает понимание обычного пользователя. Также существует возможность сохра-нения и редактирования сложных фильтров для последующего использо-вания пользователем с определённой таблицей. Хранение сложных фильт-ров производится на сервере (при условии доступа к удалённым данным) или на локальной машине (в случае отсутствия доступа к серверу). Репози-торий фильтров создаётся автоматически, если таковой отсутствует.

2.2. Поиск данных В состав модуля фильтрации включены средства поиска данных.

При осуществлении операции поиска (например, через контекстное меню) появляется список значений исходного столбца (рис. 2), из которого выби-рается значение. Результатом является положение первого вхождения ука-занного значения в данном столбце. Также существует возможность поис-ка дальнейших вхождений данного значения по средствам горячей клави-ши или контекстного меню. При выборе определённого значения из спи-

СПИ-МП-2006

246

ска, для облегчения идентификации интересующего значения, возможно использование поиска по вхождению строки указанной в поле ввода.

2.3. Работа с обновляемыми курсорами Обновляемые курсоры можно создавать на программном уровне ли-

бо с использованием конструктора. Имеющиеся конструкторы для обнов-ляемых курсоров в некоторых случаях работают некорректно.

Была разработана собственная модель формирования RemoteView, включающая в себя две программы. Одна из них используется для созда-ния по xml-спецификации удаленного представления в СУБД-приложении, другая же предназначена для обратного действия – по существующему Remote View создать спецификацию в виде xml-файла. Xml-спецификации могут храниться как в одном, так и в нескольких файлах.

Модель создания адаптера курсора формирует CursorAdapter, кото-рый является точной копией RemoteView в соответствии со строкой запро-са, способом соединения, списком автоматически обновляемых полей и помещает обновляемый курсор в DataInvironment экранной формы, удаляя при этом исходный RemoteView.

Обновление курсора осуществляется независимо от типа. Для Re-moteView происходит просто перезагрузка данных с SQL-сервера с сохра-нением текущей записи курсора. Для CursorAdapter происходит загрузка информации с SQL-сервера с использованием нового условия, полученно-го путём использования модуля фильтрации.

Интерфейсы построения условия фильтрации и построения условия строки запроса аналогичны (рис. 1).

В представленной форме существует возможность вывода и переда-чи всех строк обновляемого курсора (без указания спектра данных) или интересующих строк обновляемого курсора (формирование и использова-ние условия строки запроса).

Изменение строки запроса программно основано на разбиении ис-ходной строки на такие смысловые части, как:

- список запрашиваемых полей, связей между таблицами (часть оператора SELECT до WHERE);

- постоянная часть условия запроса – это часть, которая присутство-вала при создании обновляемого курсора;

- переменная часть условия запроса; - список полей сортировки. Изменение спектра запрашиваемых данных происходит путём фор-

мирования условия в экранной форме (рис. 1) и добавления этого условия к переменной части условия строки запроса.

При создании объекта CursorAdapter в общем случае переменная часть условия не содержит отношений, но существует возможность опре-деления переменной части условия запроса при инстанцировании обнов-

СПИ-МП-2006

247

ляемого курсора, передавая значение в качестве параметра в процедуру создания адаптера курсора.

3. Заключение Достоинствами разработанного модуля фильтрации является: - удобный пользовательский интерфейс; - простая технология подключения фильтра; - универсальность; - полностью русифицированный интерфейс; - выбор между созданием простого запроса или сложного; - возможность построения условий для объектов Cursor Adapter. В ходе работы был создан новый, расширенный класс объекта Grid с

одним дополнительным методом – методом фильтрации данных. Кроме того, была решена проблема модификации удаленных представлений, воз-никающая при изменении структуры базы данных. Как правило, разработ-чику приходится проделывать эту операцию вручную. Для автоматизации этой операции были написаны программы, которые позволяют автомати-чески создавать и обновлять удаленные представления. Также был реали-зован модуль динамической генерации объекта CursorAdapter по указан-ному RemoteView. Это позволило избежать трудностей, возникающих при создании объекта CursorAdapter с помощью конструктора, который позво-лил существенно оптимизировать загрузку данных с SQL-сервера, а, сле-довательно, повысить эффективность работы приложений.

Мялицин В.В. ТЕНДЕНЦИИ РАЗВИТИЯ ЯЗЫКОВЫХ СРЕДСТВ ОПИСАНИЯ

ЗАДАЧ [email protected]

Рассматривая несовершенство языковых средств описания приклад-

ных задач, необходимо обратиться к истории развития языков программи-рования. Развитие средств "общения" с вычислительной техникой дошло лишь до уровня простейших арифметических действий. Естественно, что переход от машинных кодов (языков первого уровня) к языкам ассемблера (языки второго уровня) был необходим, поскольку описание сравнительно небольшого количества действий требовало значительных усилий, внима-ния и аккуратности. Переход к языкам более высокого уровня был обу-словлен необходимостью переноса программ с одной аппаратной плат-формы на другую. И хотя программы на языке высокого уровня потеряли немного в производительности, произошёл отрыв от ориентации на кон-кретную вычислительную систему. Стандартизация языков высокого уровня, таких как: Фортран, С, Ада, способствовала большому прогрессу в этой области. Но до сих пор множество программистов пишут свои про-


СПИ-МП-2006

248

граммы, реализуют алгоритмы на этих языках. Программист, хотя и не обязан больше кодировать программу с помощью нулей и единиц, всё ещё вынужден мыслить в терминах пошагового выполнения команд. Конечно, реальные алгоритмы состоят именно из элементарных действий, но проек-тировать их было бы легче, имея дело с крупными функциональными еди-ницами. Элементарные примитивы, из которых, в конечном счёте, должен быть сконструирован продукт, вовсе не обязательно должны использовать-ся и при разработке этого продукта. Кроме того, в современных компиля-торах приходится учитывать определённые ограничения, накладываемые той машиной, для которой он предназначен, например: размер машинных регистров. Таким образом, один и тот же язык программирования на раз-ных машинах имеет свои особенности или диалекты. Объектно-ориентированное программирование, хотя и несёт возможность абстраги-ровать задачу в терминах объектов, имеет часть недостатков императив-ных языков. Всё это, как следствие, породило среди учёных в области компьютерных наук мечту о создании некоторой среды, которая позволила бы людям общаться с машиной в терминах абстрактных понятий. Необхо-дим качественный скачок в развитии средств взаимодействия человека и вычислительной машины - переход от языков программирования к языкам описания прикладных задач. Хотя декларативные языки, такие как: GPSS - язык моделирования систем, Prolog - язык функционального (логического) программирования, близки к описательным средствам, они всё же имеют слишком много ограничений и особенностей для применения их в специ-альных целях. По аналогии с системами визуального проектирования гра-фического интерфейса пользователя, можно было бы использовать систе-мы описания математических задач на естественном языке математики - в виде формул, зависимостей, систем уравнений и т.п. Современным приме-ром такого средства можно рассматривать систему MathCAD - это про-граммный комплекс, позволяющий практически запрограммировать при-кладную задачу. Однако и системы такого уровня имеют ряд недостатков: недостаточные возможности ввода и вывода информации (извне системы), незначительное количество средств описания задач - операторов (напри-мер, исключающее или для шестнадцатеричных чисел), недостаточная гибкость задания формул. Естественным развитием языков описания ста-нут системы, позволяющие описывать прикладные научные задачи в мате-матических терминах или в виде схем зависимостей. Учёный не должен быть программистом (кодировщиком простейших действий), его задача состоит в подготовке описания решения прикладной задачи в виде общей схемы выполнения последовательностей действий, ни коим образом не за-висящей от особенностей вычислителей и их количества. Это идеальный вид общения человека и вычислительных машин. Трудностью в реальном осуществлении этих средств общения является всё тот же перевод абст-рактного "алгоритма" задачи в последовательность машинных действий.

СПИ-МП-2006

249

Однако, вдумчиво разобрав прикладные задачи, становится ясно, что дей-ствия происходят с такими объёктами как многомерные массивы (списки, матрицы). Значения (числа или знаки) элементов массива обрабатываются по схеме и со смыслом определённым учёными. Из практики реализации прикладных программ известно, что одно и то же смысловое действие мо-жет быть произведено разными алгоритмами. Например, изменение после-довательности действий приводит к другому алгоритму для последова-тельных вычислительных машин, но для независимых действий результат останется одним и тем же. Например, от перемены мест слагаемых сумма не меняется. Выбор этой "последовательности действий" можно варьиро-вать. Причём, для разных вычислительных платформ (например, в зависи-мости от числа процессоров или от особенностей машинного представле-ния) разные "последовательности действий" будут давать разные времен-ные характеристики. В принципе их можно оценить, но часто они корен-ным образом зависит от обрабатываемых данных. Решение огромной сис-темы уравнений быстрее можно выполнить на нескольких процессорах, а вычисление факториала маленького значения - на одном процессоре дан-ной вычислительной системы. Конечно, учёные знают или с высокой до-лей вероятности предполагают, какова будет "размерность" решаемой прикладной задачи, и легко могут указать какую "последовательность дей-ствий" лучше выполнить в том или ином фрагменте схемы решения зада-чи. Большинство прикладных задач используют одни и те же типовые фрагменты задач: вычисление некоторого множества значений, решение систем уравнений, нахождение некоторого специального числа, поиск и сортировка значений, обработка строковых данных, в которых высока сте-пень параллелизма вычислений. За десятилетия использования вычисли-тельной техники накоплено огромное множество всевозможных "алгорит-мов" выполнения выше перечисленных действий. Однако реализация практически всех действий представлена в виде последовательных алго-ритмов. Задачей инженеров и программистов в ближайшем будущем явля-ется создание программных библиотек выполнения перечисленных фраг-ментов задач разными "последовательностями действий", как для одно-процессорных вычислителей, так и для многопроцессорных комплексов и сетей, используя разные стратегии распределения данных в зависимости от времени обработки и передачи данных.

Объединение вычислительных систем в "сети" открывает огромные возможности в решении прикладных задач важных для всего человечества. Вычислительные машины, объединённые в сеть - это не просто распределённая библиотека информации и знаний, средство коммуникации людей, это вычислительные машины нового поколения, обладающие практически неограниченным потенциалом возможностей. Это именно те вычислители, которые необходимы человечеству для моделирования явлений и реакций в виртуальной реальности, разработки устройств и функциональных узлов, анализа больших объемов быстро

СПИ-МП-2006

250

анализа больших объемов быстро поступающей информации, обработки видео и графической информации, распознавания, разгадки секретов гене-тического кода и большого взрыва. Развитие коммуникационных средств практически достигло того уровня, чтобы обеспечить малое время на об-мен данными между вычислительными системами по отношению к време-ни обработки данных. Множество современных кластерных систем связа-ны между собой гигабитными каналами связи. В недалёком будущем все компьютеры глобальной сети будут объединены высокоскоростными ли-ниями связи. Так объединение вычислительных систем различной архи-тектуры по общим принципам приведёт к метакомпьютерным системам обработки информации и решения прикладных задач. Конечно, крупные организации, тратящие на новое вычислительное оборудование большие деньги, вряд ли разрешат использовать их системы кому-то постороннему. Однако, всем известно, что каждые полтора-два года производительность вычислительных систем увеличивается вдвое за счёт использования новых технологических достижений в области производства микропроцессоров. Таким образом, современная на сегодня вычислительная система морально устаревает примерно за пять лет. Однако, объединив четыре или даже во-семь таких систем, можно сформировать кластер (небольшой метакомпью-тер) такой же производительности, как новая более производительная сис-тема. А если объединить сотни, тысячи и даже миллионы вычислительных систем в один вычислитель, на нём смогут быстро решать свои сложные прикладные задачи тысячи людей.

Плахотнюк О.С., Хмелевской К.Г. РАЗРАБОТКА ИНТЕРАКТИВНОЙ СРЕДЫ ЧИСЛЕННОГО

ИССЛЕДОВАНИЯ МАТЕМАТИЧЕСКИХ МОДЕЛЕЙ [email protected]

В интерактивной среде задача моделирования технологических про-

цессов, представленных системами эволюционных нелинейных уравнений в частных производных, задается двумя наборами: набором функционалов и набором параметров. Задача считается решенной, когда подобраны такие значения параметров, при которых все абсолютные значения функциона-лов задачи меньше заданного порога точности поиска решения. В процессе численного решения модели выбор задачи осуществляется автоматически.

Применение объектно-ориентированного подхода и механизмов по-лиморфизма позволило реализовать одноранговую архитектуру элементов модели: измерений, глобальных, локальных параметров и функционалов. Такая архитектура делает возможным удовлетворение интерактивной сис-темы предъявленному выше требованию, и позволят записывать модели на языке, максимально приближенном к естественному математическому.


СПИ-МП-2006

251

Ниже приводится пример записи уравнений динамики модели реге-нерации неподвижного слоя катализатора на языке интерактивной среды моделирования и на естественном математическом языке.

( )

0

11

1

2

*3

,

,

,

,

.

r

E a TR T

GW K MG

K a edM dMU k WdT dldG k WdtdT dTU k Wdt dl

− ⋅ − ⋅⋅

= ⋅ ⋅

= ⋅ + ⋅ = ⋅ = ⋅ + ⋅ = ⋅

FUNC( W ) K*M*pow( G/G0, r ); FUNC( K ) a1*exp( -(E/(R*T))*(1.0-a*T) ); FUNC( EqM ) Diff1(M,t)+U*Diff1(M,l)-k1*W; FUNC( EqG ) Diff1(G,t)-k2*W; FUNC( EqT ) Diff1(T,t)+UU*Diff1(T,l)-k3*W;

В ходе вычислительного процесса графически отображаются значе-ния локальных параметров на рассчитываемом временном слое и точность вычислений в каждой ячейке. Таким образом, пользователь имеет возмож-ность в интерактивном режиме контролировать вычислительный процесс и корректировать его ход, меняя настройки численных алгоритмов.

Разработка интерактивной среды численного исследования матема-тических моделей является актуальной, т.к. затрагивает широкий спектр научной, инженерной и исследовательской деятельности.

Сидорский Ф.П. РАЗРАБОТКА МЕТОДИКИ СИСТЕМНОГО АНАЛИЗА ДЛЯ ИССЛЕДОВАНИЯ РЕКУРРЕНТНОЙ АРХИТЕКТУРЫ

[email protected] Основным методом системного анализа (СА), при исследовании

сложной вычислительной системы, является разделение общей неопреде-ленности системы на слагаемые, лучше подающиеся исследованию при сохранении целостного, системного, представления о системе и проблем-ной ситуации. Для организации процесса исследования необходима разра-ботка методики, определяющей последовательность этапов проведения анализа и методы их выполнения. Выбор методов и приемов выполнения этапов методики СА базируется на использовании понятий и закономерно-стей теории систем.

Постепенную формализацию задачи на основе смены методов, по мере развития модели для процессов прохождения информационных пото-ков в вычислительной системе, можно осуществить на базе подхода- по-степенной формализации модели принятия решений. Последний процесс


СПИ-МП-2006

252

может стать обоснованием формальной модели с последовательным дока-зательством её адекватности на каждом этапе проектирования. Нужно учи-тывать, что при постановке задачи исследования в числе критериев могут оказаться (и в случае существенно неопределенной системы обязательно окажутся) принципиально не формализуемые. В этом случае, полностью формализованная постановка задачи оказывается нереализуемой.

Таким образом, СА вычислительной системы должен начинаться с выяснения её определенности. Если фон- неймановские архитектуры вы-числительных систем обладают на уровне системы (включая микропро-граммное управление) жесткой определенностью и их неопределенность можно рассматривать лишь в контексте программного обеспечения, то нейросетевые и рекуррентные вычислительные архитектуры содержат ап-риори существенные неопределенности, поскольку операнд данных несет с собой алгоритм своей обработки в тракте вычислительного процесса.

Следующий этап исследования - структурный, направлен на выделе-ние элементов (подсистем) и связей характеризующих организованность системы, устойчивую упорядоченность элементов и связей, иными слова-ми те, что обеспечивают существование системы и её основных свойств. Рекуррентная вычислительная система представляет собой смешанную ие-рархическую структуру с включением заметного количества произвольных связей, т.е. представляет собой декомпозицию системы во времени (сете-вая составляющая) и пространстве (многоуровневая иерархическая состав-ляющая). Особую осторожность необходимо проявлять с определением вклада произвольных составляющих, поскольку появление их в заметном количестве переводит вычислительный процесс в рекуррентных и нейро-сетевых структурах из четырехмерных (пространстве Минковского) в мно-гомерные пространства.

Структурный этап анализа связан с выделением и классификацией архитектурных особенностей. Этот этап очень важен и для рекуррентной архитектуры (РА) повторяется многократно (циклический процесс подъе-ма по спирали).

Следующий этап СА РА связан с синтезом логического и информа-ционного подхода и заключается в определении математической, логиче-ской и информационной областей существования (или теоретической воз-можности существования) вычислительного процесса в системе (или клас-се систем) с данной конкретной архитектурой. Этот этап связан с выделе-нием характеристики получившей название «программируемости». Тер-мин «программируемость» в системном смысле существенно отличается от термина программируемость в бытовом (инженерном) смысле и являет-ся полным отражением соответствия (или несоответствия) конкретной ар-хитектуры рекуррентному вычислительному процессу и предполагаемым областям его существования. На этапе исследования программируемости (циклически связанного с определением архитектурных особенностей), ес-

СПИ-МП-2006

253

ли в результате разумного количества циклов «анализ-синтез» получен по-ложительный ответ, определяется методика дальнейшего анализа РА сред-ствами СА.

Сороковиков В.Н., Штарёв В.Н. ПРИМЕНЕНИЕ ПРИНЦИПОВ МНОГОУРОВНЕВОЙ

АРХИТЕКТУРЫ К СОЗДАНИЮ ИНТЕРФЕЙСА ПРИКЛАДНЫХ ПРОГРАММНЫХ СИСТЕМ

[email protected]

При создании прикладных программных систем общепринятой практикой является разделение их архитектуры на взаимодействующие между собой уровни, каждый из которых объединяет свой логически связ-ный набор данных и правил функционирования системы. В настоящее время наиболее широко распространена практика создания трехуровневых прикладных систем, в которых первый уровень представляет собой базу данных, обеспечивающую хранение данных и контроль их логической це-лостности, на втором уровне задается бизнес-логика системы, а третий представляет собой пользовательский интерфейс.

Последний уровень (пользовательский интерфейс) так же представ-ляет собой непростую систему, которая должна удовлетворять набору раз-личных требований, обычно предъявляемых и к системе в целом (гибкость, настраиваемость, функциональная полнота и так далее). Поэтому логично рассматривать проблему создания пользовательского интерфейса как раз-работку полноценной программной системы.

Пользовательский интерфейс в свою очередь может быть представ-лен в виде трехуровневой системы, у которой на первом уровне находятся его вынесенное в виде данных описание, второй уровень представляет со-бой набор правил и методов, позволяющих интерпретировать эти данные при формировании интерфейса, а третий уровень является непосредствен-ной реализацией интерфейса.

Нашим коллективом была сделана попытка применения этих прин-ципов при построении интерфейса для web-системы автоматизации доку-ментооборота, заказчики которой в рамках постановки задачи требовали высокой степени гибкости и настраиваемости интерфейса.

Для решения данной задачи был разработан набор web-компонент, описание внешнего вида и поведения которых было вынесено во внешние информационные файлы, данные в которых хранились в XML-формате.

Для каждого из этих элементов был создан набор правил интерпре-тации XML-описаний интерфейса, что позволило обеспечить независи-мость интерфейса от конкретных форматов данных, а так же реализовать сложные формы поведения элементов интерфейса. Помимо этого, была


СПИ-МП-2006

254

создана визуальная подсистема создания и настройки описаний интерфей-са без непосредственного вмешательства в XML-данные.

Создание интерфейса на основе вышеизложенных принципов повы-шает независимость пользовательского интерфейса от уровней хранения данных и реализации бизнес-логики прикладной системы. Данный подход позволяет избежать инкапсуляции на уровне бизнес-логики независимой от неё информации по реализации интерфейса, и полностью перенести её на уровень интерфейса.

Сосновский Ю.В. УСРЕДНЕНИЕ РЕЗУЛЬТАТОВ ИМИТАЦИОННОГО

МОДЕЛИРОВАНИЯ НЕСТАЦИОНАРНЫХ СИСТЕМ ОБРАБОТКИ И ПЕРЕДАЧИ ДАННЫХ

[email protected]

Основой современных автоматизированных систем управления яв-ляются потоки информации. Информация, циркулирующая в системе, представляет собой потоки данных, подлежащих разделению на мини-мальные дискретные части заявки. Как правило, объем информации, циркулирующий в системе, меняется. Интеллектуальность системы обра-ботки данных проявляется в выборе такого режима функционирования, при котором достигается требуемый баланс между стоимостью работы системы и качеством обслуживания. Для создания максимально эффектив-ных алгоритмов управления подобными системами необходимо изучения реакции обрабатывающих информацию элементов на изменения интен-сивности входящего потока данных. Для этих целей применимо имитаци-онное моделирование, так как оно позволяет изучать модель практически любой системы обработки и передачи данных (СОиПД) при любых неста-ционарностях последней, и практически свободно от многих допущений и ограничений аналитических методов исследования систем обработки дан-ных, представимых как системы массового обслуживания.

Вместе с тем, данные мгновенной длины очереди и многие другие результаты единичного прогона имитационной модели являются случай-ными числами, поэтому не могут с достаточной степенью точности отра-жать, например, скорость роста очереди на входе обслуживающего про-цессора при увеличении интенсивности λ входящего потока данных. Для определения переходных характеристик имитационных моделей систем обработки и передачи данных предлагается усреднение результатов моде-лирования по строго параллельным прогонам имитационной модели и, за-тем, по скользящему среднему. Единственное условие параллельных про-гонов – точное соответствие моментов и величин изменения интенсивно-сти входящего потока данных. Степень подавления случайной составляю-щей зависит от количества параллельных прогонов и ширины окна усред-


СПИ-МП-2006

255

нения. При количестве прогонов порядка 75-100 и ширине окна усредне-ния 5-7 заявок при неизменной интенсивности входящего потока случай-ная составляющая не превосходит 5% текущей длины очереди. Этот метод позволяет наглядно и с достаточной степенью точности анализировать эф-фективность алгоритма управления интенсивностью обслуживания СО-иПД µ , отслеживать среднее значение длины очереди, скорость нараста-ния и рассасывания очереди. На рис. 1 представлен график усредненного значения текущей длины очереди на входе СОиПД при резком увеличении интенсивности входящего потока λ , что привело к всплеску на графике.

Через некоторое время интенсивность λ уменьшилась до своего начального значения. Начальная нагрузка на СОиПД 65,0=ρ , после увеличения интенсивно-сти входящего потока λ нагрузка составила

9,0=ρ , затем снова 65,0=ρ .

Для получения графика использованы результаты 50 параллельных прогонов и ширина окна усреднения 5 заявок. На рис. 1 остались неболь-шие колебания длины очереди при неизменной интенсивности входящего потока, однако при увеличении нагрузки случайная составляющая практи-чески исчезает, и форма всплеска усредненной длины очереди уже не ме-няется с увеличением количества параллельных прогонов имитационной модели СОиПД.

Фадеев А.С., Кочегурова Е.А. К ВОПРОСУ О ПРЕОБРАЗОВАНИИ МУЗЫКАЛЬНЫХ ФОРМАТОВ


Обработка музыкальной информации – не столь интенсивно разви-вающееся направление цифровой обработки сигналов, как обработка изо-бражений или другой графической информации. Однако, по аналогии с растровыми и векторными графическими форматами, форматы музыкаль-ной информации (музыкальных произведений) можно разделить на два больших класса:

• амплитудно-временное представление; • объектное представление. Амплитудно-временное представление (АВП) музыкального произ-

ведения содержит информацию о значениях амплитуды воспроизводимого сигнала в каждый момент времени. Примерами носителей АВП сигналов в

Рис. 1. График усредненной текущей длины очереди



СПИ-МП-2006

256

аналоговом виде являются грампластинка и магнитная лента аудиокассет. Примерами цифровых АВП являются .mp3, .wma, .wav-файлы, файлы ау-дио компакт-дисков (Audio CD) и др.

АВП получило широкое распространение благодаря относительной простоте устройств записи и воспроизведения, не требующих выполнения сложных преобразований (как аналоговых, так и цифровых). Кроме того, АВП содержат в себе информацию о форме и амплитуде звуковых колеба-ний упругой среды в явном виде, что позволяет выполнять несложные ви-ды анализа музыкальной информации.

Объектное преставление музыкальной информации (ОП), как и объ-ектные форматы графических изображений, представляет собой описание совокупности музыкальных объектов с определенным набором свойств и отношений между ними. Самым популярным видом ОП музыкальной ин-формации является нотная запись. Нотная запись описывает такие объек-ты, как ноты, паузы, знаки альтерации, ключи, указатели размера и темпо-ритмических особенностей. Каждый объект обладает рядом свойств, на-пример, ноты характеризуются временем возникновения и продолжитель-ностью, громкостью звучания, высотным положением (соответствием вы-соте тона), отношением к соседним нотам и др.

Цифровые форматы ОП (MIDI – Music Instrument Digital Interface, цифровой интерфейс музыкальных инструментов) менее многочисленны, в отличие от АВП, наиболее популярны из их файлы .rmi и .mid, активно ис-пользуемые в музыкальных синтезаторах и в полифонии мобильных теле-фонов; .kar — в караоке-системах. Характерной особенностью файлов объ-ектного представления является чрезвычайно малый размер. Так, .mid-файл, описывающий трехминутное оркестровое произведение, будет иметь размер 30-45 Кб, а .mp3-файл того же произведения — 3-5 Мб.

Объектное представление музыкальной информации, в отличие от АВП не содержит информации в явном виде о том, какой формы будут по-лучены колебания среды распространения звука, и, как для записи, так и для воспроизведения требует сложного программно-аппаратного обеспе-чения или хорошо обученного персонала (музыкантов оркестра).

Наличие различных форматов музыкальной информации предпола-гает возможность (необходимость) перехода между ними. Соответственно двум существующим форматам представления музыкальной информации введены два типа преобразований:

• прямое — преобразование объектного представления в АВП; • обратное — преобразование амплитудно-временного представле-

ния в ОП. Прямое преобразование получило широкое распространение и имеет

большое количество программных и аппаратных реализаций: музыкальные синтезаторы, работающие со стандартом MIDI на протяжении 10-15 лет с успехом заменяют любые музыкальные инструменты, звуковые карты пер-

СПИ-МП-2006

257

сональных компьютеров в обязательном порядке имеют встроенный MIDI-синтезатор, MIDI-полифония более пяти лет применяется в мобильных те-лефонах. Воспроизведение (прослушивание) ОП музыкальной информа-ции, представленной в цифровом виде, в обязательном порядке приведет к прямому преобразованию, в результате которого будет получено АВП, ко-торое затем будет воспроизведено акустическими системами.

Прямое преобразование имеет ряд особенностей, среди которых сто-ит отметить неоднозначность: различные MIDI-устройства воспроизведут ОП одного и того же музыкального произведения неодинаковым образом. Так же как и различные оркестры по одним и тем же нотам проиграют произведение с небольшими отличиями.

Менее решена и актуальна обратная задача, например, по звукозапи-си получить нотные партитуры инструментов. Область применения такого преобразования обширна: восстановление архивных звукозаписей; нотное представление игры композиторов; уменьшение объемов звуковых дан-ных; создание караоке-произведений; процесс обучения.

На сегодняшний момент рынок программных продуктов не предла-гает программных решений, способных выполнить такое преобразование.

Предлагается реализации обратного преобразования на основе не-прерывного вейвлет-преобразований. Вейвлет-функции обладают свойст-вом хорошей локализации и по частоте, и времени. Это свойство и позво-ляет выделить отдельные частотные составляющие сигнала (т.е. объекты - ноты) в определенные моменты времени. Проведены эксперименты со стандартными вейвлет-функциями в пакете MatLab. Анализ однозначности обратного преобразования музыкальных сигналов позволил сузить область вейвлет-функций в данной задаче до вейвлетов Морле, Мейера и типа «мексиканская шляпа». Данные типы вейвлет-функций показали возмож-ность в АВП музыкального произведения идентифицировать одно- и двух-голосные мелодии.

Шевердина Е.В. КОМПЛЕКСИРОВАНИЕ ИЗМЕРИТЕЛЬНЫХ МОДУЛЕЙ И СУБД РЕЗУЛЬТАТОВ ЭКСПЕРИМЕНТОВ В УСЛОВИЯХ НАУЧНО-

ИССЛЕДОВАТЕЛЬСКОЙ ЛАБОРАТОРИИ [email protected]

В ходе исследований процессов металлообработки часто возникает необходимость проведения различного рода измерительных эксперимен-тов. Специализированное программное обеспечение, взаимодействующее с платами АЦП\ЦАП и датчиками и осуществляющее анализ и обработку данных, как правило, функционирует по следующей схеме: данные иссле-дуемого устройства или процесса собираются, обрабатываются, а затем сохраняются в виде файла на любой носитель для дальнейшего использо-


СПИ-МП-2006

258

вания. При проведении большого количества экспериментов возникает проблема систематизации полученных результатов, их учета, хранения и предъявления по запросу пользователей. Таким образом, необходимо иметь достаточно простое, но вместе с тем гибкое и мобильное программ-ное средство, позволяющее сотрудникам лаборатории или иным авторизо-ванным пользователям получить доступ к информации о проведенных ис-следованиях.

На базе лаборатории «Динамика и диагностика технических систем» ДГТУ было создано программное средство, представляющее собой рас-пределенную СУБД, осуществляющую централизованный учет и хранение результатов исследований. Данное программное средство функционирует в архитектуре клиент-сервер и имеет возможность обрабатывать одновре-менно большое количество запросов с разрешением конфликтных ситуа-ций по доступу. Принцип работы системы следующий: в локальной сети лаборатории имеется один выделенный компьютер – сервер СУБД. На ос-тальных машинах установлены клиентские модули-терминалы. Кроме то-го, возможна работа с СУБД с любого компьютера, подключенного к гло-бальной сети Internet и имеющего установленный клиентский модуль. Для защиты передаваемых данных между пользователями и базой данных ор-ганизуются криптотуннели с аутентификацией пользователей.

Информация внутри СУБД организована в виде сильноветвящихся деревьев с заданной иерархической структурой. Такой способ представле-ния является удобным и полностью соответствует требованиям предмет-ной области. Для обеспечения корректной работы с базой данных введена система прав, при этом все пользователи равного ранга имеют равный приоритет доступа к информации. В случае запросов нескольких пользова-телей на изменение одних и тех же данных их запросы выстраиваются в очередь по мере поступления.

Отличительной особенностью созданной СУБД является возмож-ность интеграции с измерительными модулями, т.е. пользователь получает возможность непосредственно из базы данных вызывать и получать дан-ные измерительной системы, а также передавать имеющиеся файлы на до-полнительную обработку создавшему их приложению.

Ширшин И.С., Литвиненко А.Н., Колоколов И.А. МОДЕЛИРОВАНИЕ СЛОЖНЫХ ПРОГРАММНЫХ ОБЪЕКТОВ

[email protected]

В мире программирования с каждым днем идет появление новых, все более сложных программных объектов. Их интерфейс, набор свойств и ме-тодов становится изощреннее, чтобы отвечать запросам пользователей. Во многом такое развитие сходно с эволюцией биологии: постепенные изме-нения объекта накапливаются и на каком-то этапе количество переходит в


СПИ-МП-2006

259

качество. В качестве примера можно привести переход в базах данных от простого пробега по строкам таблицы с целью их обработки к SQL – языку структурированных запросов, ознаменовавшему новую эру в работе с дан-ными. Теперь разработчик задает не как, а что получить из базы.

Постановка задачи и ее решение На данный момент созрела необходимость для нового качественного

шага в технике программирования – от программирования вручную нового приложения с дальнейшей компиляцией до простого задания параметров. То есть целью является возможность постановки задачи «хочу получить приложение, выполняющее следующие задачи: …» и автоматически полу-чить решение, готовое к работе.

В качестве такого шага наиболее целесообразно и перспективно взять моделирование программных объектов. Любое приложение можно представить в виде модели, описывающей его свойства. Для представления модели будем использовать XML-атрибутированное дерево.

Пример 1. Рассмотрим базу данных на MS SQL Server 2000. Ее можно предста-

вить как набор составляющих ее элементов: таблиц, хранимых процедур, разрешений и прочее. Тогда XML выглядит как

<db name = “MyDB”> <table name = “Table1” description = “новая таблица”> <field name = “id” datatype = “int” default = “0” size=”4” allownulls = “false” description = ”индексное поле”/> <field name = “name” datatype = “char” default = “” size=”15” allownulls = “false” description = ”имя”/> </table> </db>

Такое представление имеет ряд преимуществ, которые и обуславли-вают необходимость его использования в управлении объектом:

Во-первых, разработчик переходит на более декларативный уровень программирования. Теперь задается лишь структура программного объек-та (в случае с базой данных – набор элементов), а реализация ее соответст-вия с существующим объектом обеспечивается стандартным «движком».

Во вторых, модель минимального размера должна содержать лишь те свойства, которые необходимы разработчику. Все остальное можно в модели не указывать, так как они не участвуют в работе. Таким образом, модель существенно упрощается и становится удобной в использовании.

Пример 2. Разработчик работает с полями базы данных, изменяя лишь их опи-

сания. Для этого нужны лишь названия полей и их описания. Тогда доста-точной моделью является:

<db name = “MyDB”>

СПИ-МП-2006

260

<table name = “Table1” description = “новая таблица”> <field name = “id” description = ”индексное поле”/> <field name = “name” description = ”имя”/> </table> </db> Как видим, в структуре нет лишних элементов, она проста, понятна и

удобна в использовании. В третьих, структуру такого типа можно не только упростить, но и,

наоборот, добавить некую информацию. К примеру, стандартной ситуаци-ей является необходимость указать дату выдачи структуры (для возможно-го сравнения двух структур с целью определения наиболее актуальной).

Пример. <db name = “MyDB” CreateTime = “01.01.2000 00:00:00”> … </db> В четвертых, при такой организации управления объектом четко от-

деляются данные от их обработки. Существует стандартный модуль разбо-ра и обработки модели и сама модель. Единственной зависимостью между ними является установленная спецификация модели.

Особо необходимо отметить возможность аспектного программиро-вания объекта. Любой опытный программист сталкивался с ситуацией, ко-гда для решения новой задачи необходимо всего лишь заменить или доба-вить в определенных местах новый код.

Пример: в новой задаче вместо добавления записей в таблицу необ-ходимо изменять уже существующие (Update вместо Insert). Хорошо, если в проекте всего в одном месте происходит обработка записей. Тогда доста-точно поменять код, и проблема решена.

Но что делать, если таких мест много, а времени катастрофически мало? Тут могут помочь «аспекты» - так называемые «слои» программы, связанные друг с другом. Достаточно заменить соответствующий «слой» и готово новое приложение, отвечающее поставленной задаче.

Но главный плюс состоит даже не в этом: благодаря связи между «слоями» при замене одного слоя на другой (можно сказать, при «включе-нии/выключении» слоя) происходит «включение/выключение» всех свя-занных слоев. То есть при удалении элемента программы автоматически удаляются его обработчики, все взаимодействия с ним и т.д.

Таким образом, управление объектом переходит на качественно но-вый уровень: для изменения объекта необходимо лишь изменить модель. Во многих случаях это существенно упрощает задачу.

Заключение Модель по своей сути представляет сущностную структуру объекта.

Это не шаги, которые необходимо предпринять для изменения объекта, а

СПИ-МП-2006

261

его сущность, которую он должен принять. Это то, как мы видим изменен-ный объект, что мы желаем достигнуть. Оперируя сущностями, мы подни-маемся от технического уровня (как это сделать, какими средствами) до уровня постановки задачи (нужно достичь соответствия данной сущности). В качестве аналогии можно привести перевод с должности рядового про-граммиста на должность начальника программистов – вместо непосредст-венного решения задачи мы ставим эту задачу своим подчиненным и лишь контролируем правильное ее решение.

Причем данная сущность объекта – это «образ» нашего собственного мира. Мы сами строим его при задании параметров модели (к примеру, не-обходимые свойства объекта) и сами определяем степень его взаимодейст-вия с миром реальным – с реальным программным объектом. Это дает возможность его контроля в любом направлении.

Тогда вложенность этапов обработки (использование в качестве промежуточных шагов, взаимодействие нескольких моделей) представляет собой иерархию сущностных миров. Они могут иметь различную степень пересечения (связанности) друг с другом, иметь прослойки, обеспечиваю-щие изменение сущностей. Но главное – и сами миры, и их иерархия, и их формализация задается нами, для решения наших задач, для удовлетворе-ния наших потребностей наиболее удобных способом.


1. Benz Brian. XML Programming Bible –John Wiley&Sons, 2003, 984p. 2. Connolly Dan. Xml: Principles, Tools, and Techniques. – Pub Group

West, 1997. – 250 p. 3. Гаролд Э.Р. Обработка XML при помощи Java. – М: Русская ре-

дакция, 2002. – 1202 с. 4. Dodds David. Professional XML Meta Data - Wrox Press Inc, 2001. –

435 p.

Юмагужин Н.В. ПОСТРОЕНИЕ СИСТЕМЫ СБОРА ДАННЫХ БЕЗ

ИСПОЛЬЗОВАНИЯ ЦЕНТРАЛИЗОВАННЫХ СПРАВОЧНИКОВ [email protected]

Данная задача возникла при построении системы аналитической от-

четности в организации, решающей задачи Материально-Технического Обеспечения (МТО) в крупной государственной структуре. Данные долж-ны были собираться из региональных подразделений, в которых применя-ются различные информационные системы с разными системами кодиро-вания одних и тех же объектов.


СПИ-МП-2006

262

Естественным решением в данной ситуации было бы создание цен-трализованных справочников Нормативно-Справочной Информации (НСИ): справочник номенклатуры, организационной структуры, Кодов Бюджетной Классификации и др. Этот подход, помимо разработки ПО и интеграции с информационными системами в регионах, подразумевает значительные организационные изменения: внедрение регламента ведения справочников, выделение сотрудников и их обучение. Эти мероприятия достаточно дорогостоящи и болезненны для работы организации, поэтому было принято решение отложить их на один год и внедрить систему без использования централизованных справочников.

Решение заключается в следующем: • Данные собираются с региональных подразделений в виде файлов

Microsoft Excel установленного формата не содержащих кодов объектов. Названия товаров, товарных групп, отделов и вся остальная информация приводится в виде обычного текста;

• Данные из файлов загружаются в хранилище на основе Microsoft SQL Server в автоматическом режиме с помощью специального приложе-ния и, затем, переносятся в OLAP-базу на основе Analysis Services;

• Администратор системы просматривает аналитические отчеты на предмет одних и тех же сущностей названных по-разному (Например, «Вещевое имущество» и «Имущество вещевое»), выбирает правильное на-писание и обновляет во всем хранилище с помощью специальной проце-дуры;

• Для того чтобы в дальнейшем подразделения присылали правиль-ные написания объектов, шаблоны Excel-файлов выгружаются из системы с уже заполненными полями: подразделение, отчетная дата, номенклатур-ная группа, номенклатура и др. Сотрудникам подразделений остается только заполнить числовые значения.

Такой подход позволил собирать данные и формировать актуальную аналитическую отчетность по обобщенной номенклатуре и подразделени-ям. С другой стороны, если опуститься до конкретных номенклатурных единиц и складов – в БД обнаруживается большое число дубликатов, что позволяет наглядно обосновать необходимость внедрения НСИ высшему руководству.

СПИ-МП-2006

263

7. Теория моделирования и анализа

Абылхасенова Д.К. ПРОГРАММЫ НА СЛУЖБЕ МОДЕЛИРОВАНИЯ

[email protected] В зарубежном и отечественном менеджменте уже успел развиться

целый ряд новых концепций, ориентированных на процессы и позволяю-щих эффективно управлять изменениями. Так появились бизнес-инжиниринг, бизнес-моделирование и реинжиниринг бизнес-процессов. Все они так или иначе предполагают построение формальных методик управления, с их помощью можно не только эффективно отслеживать ха-рактеристики бизнеса, но и контролировать их взаимосвязи.

Исторически большинство консалтинговых фирм основывали свои подходы к реинжинирингу, исходя из CASE-технологий разработки ин-формационных систем. Тут можно упомянуть такие известные компании, как Gemini Consulting с методологией Construct и Andersen Consulting с ее Eagle. Методологии обеих компаний ориентированы на IТ-профессионалов и направлены на разработку поддерживающих информационных систем. Однако не следует забывать, что в проведении процесса реинжиниринга участвуют специалисты как минимум двух типов – профессионалы в об-ласти реконструируемого бизнеса и разработчики ИС.

CASE-технологии использовались в реинжиниринге с момента их появления. Однако их ориентация на разработчиков ИС привела к тому, что на данном этапе развития моделирования CASE объединяют с другими современными технологиями, такими, как объектно-ориентированное и имитационное моделирование.

Для постановки задачи управления производятся те же самые дейст-вия, что характерны и для управления техническими объектами. Другими словами, существует определенный набор стандартных решений, объеди-няющихся в некую модель исходя из конкретной ситуации. Более того, следует контролировать и сам процесс изменений, ибо на практике работа происходит с конкретными измеряемыми параметрами, — а их можно и нужно сравнивать с проектными. Объект изменений описывается стан-дартным языком моделирования, что приводит к стабилизации в описании объекта. Впрочем, это компенсируется увеличением количества ресурсов анализа и моделирования, которого позволяют достичь информационные технологии.

Количественное описание бизнес-процессов характеризуют соответ-ствующие операционные бюджеты, впоследствии они превращаются в фи-нансовые: бюджет движения денежных средств, бюджет доходов и расхо-дов, прогнозный баланс. Подстановка бюджетирования позволяет анали-тикам создавать типовые описания деятельности предприятия.


СПИ-МП-2006

264

Важно помнить, что заниматься разработкой модели компании должны не системные программисты, а менеджеры. Именно они должны анализировать последствия моделей бизнеса с использованием имитаци-онного моделирования.

Имитационное моделирование незаменимо для того, чтобы непро-граммирующий пользователь получил наиболее полное представление о модели, а также имел неограниченный доступ к средствам анализа таких моделей. Модели создаются в виде потоковых диаграмм, в которых пред-ставлены основные рабочие процедуры компании и описано их поведение, а также откомментированы информационные и материальные потоки меж-ду ними. Построение реальных имитационных моделей – занятие доста-точно трудоемкое, а их детальных анализ зачастую требует от пользовате-ля специальной подготовки.

Примером наиболее популярных программных пакетов, позволяю-щих осуществлять имитационное моделирование, являются системы дина-мического моделирования iThink, ReThink и другие — они позволяют строить наглядные модели, составленные из символических изображений объектов и межобъектных связей.

При введении процессного управления параллельные внедрения сис-тем автоматизации становятся не просто данью моде, но жизненно необхо-димой составной частью. Лидерами рынка программных средств для моде-лирования и интеграции деятельности предприятия являются ARIS ToolSet компании IDS Scheer AG и Ataffware одноименной компании, которые яв-ляются также и законодателями мод в этой области.

К примеру, ARIS ToolSet – многопользовательская среда описания и анализов бизнес-процессов компании, поддерживающая разработку слож-ных гетерогенных рабочих систем и сопровождает всю цепочку «анализ – проектирование – реализация». С применением таких средств значительно сокращается длительность этапа проектирования при гарантированно вы-соком уровне проектных решений.

Сегодня конкурентоспособность компании в значительной степени зависит от возможности преобразования основных процессов предприятия в поддержку стратегических инициатив, способных удовлетворить требо-вания заказчика. Более того, не так давно в обиход вошел термин «экс-инжиниринг». Его суть заключается в расширенной перестройке бизнес-процессов, выходящей за корпоративные рамки. Определенное преимуще-ство имеют компании, сумевшие изначально заложить необходимые прин-ципы в свою работу. Примеры Dell и Cisco Systems представляют собой концентрацию удачного экс-инжиниринга. Эти компании с самого начала основывались на принципах прозрачности, гармонизации и стандартиза-ции – тех принципах, на которые необходимо ориентироваться всем со-временным предприятиям, желающим достичь успеха в бизнесе.

СПИ-МП-2006

265

К сожалению, внедрение инженерных технологий не способно пол-ностью решить проблему, а потому для построения клиентоориентирован-ной системы с высоким уровнем адаптивности на первый план необходимо вывести построение межкорпоративных и внутриорганизационных комму-никаций, техническая часть которых действительно опирается на процесс-ный подход и достижения в области IТ.

Акимов С.В. СИСТЕМА КОМПЬЮТЕРНОГО МОДЕЛИРОВАНИЯ

МНОЖЕСТВА АЛЬТЕРНАТИВ [email protected]

В данный момент одной из актуальных проблем, является моделиро-

вание множества альтернатив сложных и сверхсложных систем, что труд-но осуществить, используя традиционные методологии. Поэтому была разработана соответствующие методология и лингвистическое обеспече-ние [1,2] и на их основе создан прототип системы компьютерного модели-рования.

Рис. 1. Вкладка связей интерфейса аналитика Система имеет два основных интерфейса: аналитика и пользователя

(разработчика). Используя интерфейс аналитика (рис. 1), задается множе-ство альтернатив, после чего пользователь может выбрать конкретную


СПИ-МП-2006

266

альтернативу, используя другой интерфейс, в виде дерева агрегаций и спи-ска классификационных признаков и их значений (рис. 2).

Рис. 2. Использование модели множества альтернатив При моделировании множества альтернатив основными структурами

являются модуль, классификационный признак (КП), значение классифи-кационного признака (ЗКП) и связь.

В модуле группируются знания о множестве альтернатив объектов, принадлежащих определенному классу. Эти знания задаются посредством КП, ЗКП и связей, связывающих их воедино. КП соответствуют или-вершинам морфологического дерева или строке морфологической таблицы (МТ) и содержит список ЗКП, соответствующих ребрам морфологического дерева или ячейкам МТ. Связь состоит из условия и следствия, реализуе-мых в виде ограничений. Ограничения могут быть трех типов: на КП, на модуль и на группу модулей.

Созданная система позволяет моделировать множество альтернатив сложных и сверхсложных систем, и инвариантна области знаний. Допол-нив ее модулем генерации спецификаций и системой компьютерного мо-делирования, можно создавать компьютерные модели классов объектов (универсальные модели), что ведет к дальнейшей интеграции научно тех-нических знаний.

СПИ-МП-2006

267

Список использованных источников 1. Акимов С.В. Мультиагентная модель автоматизации структурно-

параметрического синтеза // Системы управления и информационные тех-нологии, 2005, 3 (20). С. 45-48.

2. Акимов С.В. Модель морфологического множества уровня иден-тификации // Труды учебных заведений связи / СПбГУТ. СПб, 2005. 172. С. 120-135.

Алексейчик М.И. О ВРЕМЕННЫХ СРЕДНИХ СТАЦИОНАРНЫХ ПРОЦЕССОВ

[email protected] В пространстве nR рассмотрим систему ( )x Ax f t= +& с возмущением

( ) ( ) ( )d cf t f t f t= + , ( ) Re ki td kf t e aω= ∑ , ( ) ( )Re i t

cf t e p dν ν ν= ∫ ( ka < ∞∑ ,т. е. ( )1 2 1, , na a a l= ∈K , ( )1 ,np L∈ −∞ ∞ ).

Матрица A предполагается устойчивой. В классе ограниченных и непре-рывных на ( ),−∞ ∞ функций наша система имеет единственное решение

( ) ( ) ( )d cx t x t x t= + , ( ) ( ) 1Re ki td k kx t e i I A aω ω −= −∑ , ( ) ( ) ( )1Re i t

cx t e i I A p dν ν ν ν−= −∫ , которое интерпретируется как ее стационарный режим. Общее решение имеет вид ( ) ( ) ( )0

Atd cx t e c x t x t= + + . Замыкание множества значений функции

( )dx t обозначим X . Ниже X трактуется как метрическое подпространство nR . Теорема 1. На X существует нормированная регулярная борелевская

мера µ , однозначно определенная процессом ( )dx t , такая, что

( )( ) ( )( ) ( )0 0

1 1lim limT T

dT TX

F x t dt F x t dt F x dT T

µ→∞ →∞

= =∫ ∫ ∫ ( ),n mF C R R∀ ∈ ,

причем [ ] ( ) [ ] ( ) ( )1 1lim 0, : lim 0, : dT TT mes t T x t S T mes t T x t S Sµ− −

→∞ →∞∈ ∈ = ∈ ∈ = для

любого борелевского множества S X⊂ с условием ( ) 0Sµ ∂ = ( \ intS S S∂ = ).

Теорема 2. ( )( ) ( )( )0 0

1 1 1supT T

dF x t dt F x t dt OT T T

− = ∫ ∫ , где супремум бе-

рется по всем 1) полиномам F данной степени с равномерно ограничен-ными коэффициентами, 2) параметрам 0c и ( )1 2, ,a a a= K , ограниченным данными компактами в пространствах nR и 1

nl , 3) частотам [ )1 2,, 0,ω ω ∈ ∞K , 4) функциям p с условием ( ) ( )p qν ν≤ п.в., заданным произвольно фикси-рованной ограниченной функцией ( )1 ,q L+∈ −∞ ∞ .

Теорема 3. ( ) ( )0c cf xω ω≡ ≡% % , ( ) ( )dx xω ω=% % , где ( ) ( )0

1limT

i t

Tz e z t dt

Tωω −

→∞= ∫% .


СПИ-МП-2006

268

Андреева О.А. РЕШЕНИЕ ТРАНСПОРТНОЙ ЗАДАЧИ ТИПА MINSUM-MINSUM

[email protected]

Важным частным случаем задачи линейного программирования яв-ляется так называемая транспортная задача, которая представляется сле-дующим образом: maaaA ...,,, 21= – конечное множество пунктов потреб-ления, а ...,,, 21 nbbbB = – конечное множество пунктов производства. Ка-ждой паре Ai ∈ и Bj ∈ поставлены в соответствие два числа 0≥ijc . Числа

ijc могут быть элементами матриц издержек ( )nmijcC

×= . В этом случае зада-

ча поставлена в матричной форме. Требуется найти матрицу ( )nmijxX

×= ,

которая представляет собой оптимальный или близкий к оптимальному план перевозки груза.

На практике данные задачи, наиболее часто, решаются исходя из од-ного критерия. В настоящей работе рассматривается транспортная задача по двум критериям: издержки перевозок и издержки перестройки. Оба критерия требуют минимизации, поэтому задача принимает вид MINSUM-MINSUM [2].

Наиболее известный путь решения многокритериальных линейных задач – это скаляризация, т. е. сведение задачи к однокритериальной. В итоге все сводится к решению параметрической задачи с одним критерием, множество решений которой – есть множество парето–оптимальных пла-нов. Для задач большой размерности поиск всех парето–оптимальных ре-шений связан с преодолением вычислительных трудностей принципиаль-ного характера [3], т. е. для подбора весов необходимо многократно ре-шать задачу с одним критерием.

В работе был рассмотрен приближенный метод, основанный на ли-нейной свертке критериев. Для решения однокритериальной MINSUM транспортной задачи использовался алгоритм Дельта-метода [1].

Обозначим через ( )21 , yy значения критериев задачи. Будем строить все множество парето-оптимальных решений. Алгоритм решения бикрите-риальной задачи MINSUM-MINSUM заключается в следующем:

Шаг 1. Решить однокритериальную задачу с матрицей ( )

nmijcC×

= )1()1( по критерию 1y . Вычислить величину критерия 2y для

этого решения по матрице ( )nmijcC

×= )2()2( .

Шаг 2. Положить xxyyyy === ,, 2211 . Используя принцип метода потенциалов [1] и x как опорный план

выполнить одну итерацию с матрицей ( )nmijcC

×= )2()2( . Перераспределение

перевозок происходит в клетку, для которой выполняется условие


СПИ-МП-2006

269

min )1(

0)2( ijc

cij <∆

. Если исходный опорный план x оказался вырожденным, то

базисные перевозки (клетки помеченные ε ) назначаются исходя из усло-вия min )1(

,0ij

xxc

ijij ε≠=

Шаг 3. Если все элементы матрицы преобразований )2(C∆ равны нулю, т.е. 0)2( =∆ ijc , то множества )(YP и )(XP построены.

Шаг 4. Если 11 yy = , то перейти к шагу 2. Если 11 yy > , то положить xXPXPyyYPYP UU )()(),,()()( 21 == и перейти к шагу 2.

Был проведен вычислительный эксперимент. Целью данного экспе-римента являются количественные показатели мощности множеств )(YP – все множество парето-оптимальных решений, CY – множество решений, находимых предложенным алгоритмом, и )(/ YPY C=α – соотношение мощностей данных множеств. Задачи решались в матричном варианте. Элементы матриц генерировались датчиком случайных равномерно рас-пределенных чисел в трех диапазонах 201÷ ; 1001÷ ; 5001÷ . Исследовались случаи целочисленных и действительных матриц исходных данных. Экс-перимент проводился для таблиц различных размерностей.

В ходе вычислительного эксперимента выяснилось, что результаты зависят лишь от числа различных элементов матрицы, как только это чис-ло становится «достаточным», результаты перестают зависеть и от размер-ности, и от диапазона данных, и от целочисленности.

Из анализа результатов решения по рассмотренным тестовым зада-чам видно, что количество эффективных решений, находимых линейной сверткой критериев в бикритериальных транспортных задачах, практиче-ски не зависит от диапазона используемых данных и от размерности ис-ходных матриц. В среднем при 5010 ÷=n представленный приближенный алгоритм (линейная свертка) находит 80% эффективных решений бикри-териальной транспортной задачи.


1. Гольштейн Е.Г. Юдин Д.Б. Задачи линейного программирования транспортного типа. – М., 1969. – 384 с.

2. Меламед И.И. Сигал И.Х. Исследование линейной свертки крите-риев в многокритериальном дискретном программировании. // Журн. вы-числ. матем. и матем. физ. – 1995. Т. 35. 9. – с. 1260-1270.

3. Сигал И.И. Алгоритмы для решения бикритериальной задачи ком-мивояжера большой размерности. // Журн. вычисл. матем. и матем. физ. – 1994. Т. 34. 1. –с. 44-57.

СПИ-МП-2006

270

Арнаутов А.А., Багирова М.А., Кравец О.Я. СТРУКТУРНО-ФУНКЦИОНАЛЬНОЕ МОДЕЛИРОВАНИЕ РАСПРЕДЕЛЕННЫХ ОБРАЗОВАТЕЛЬНЫХ СИСТЕМ

[email protected] Под распределенной образовательной системой (РОС) понимается

совокупность образовательных учреждений (ОУ) региона, совместно реа-лизующих образовательные программы, а также органов управления обра-зованием. Целью функционирования РОС является удовлетворение спроса на образовательные услуги со стороны населения региона и спроса на вы-пускников элементов РОС - со стороны экономики региона.

Построение модели РОС заключается в описании распределенной сети (РС) ОУ (перечислении элементов РОС и организационно-экономических связей между ними - структурное описание) и описании функций, выполняемых совокупностью элементов РС по реализации об-щих целей функционирования РОС (функциональное описание).

Структурное описание РОС. Элементами РС являются сети терри-торий (СТ) – совокупности ОУ, обслуживающие в условиях низкого уров-ня миграции населения территорию, обособленную с точки зрения спроса и предложения на образовательные услуги и выпускников соответствую-

щих ОУ (рис. 1). Необходимость выделе-

ния в качестве основного звена РС именно СТ обусловлена следующими факторами. С од-ной стороны, проведение мар-кетинговых исследований, не-обходимых для выживания об-разовательного учреждения в условиях рыночной экономи-ки, зачастую бывает не под си-лу отдельному ОУ. Кроме того,

во многих случаях целесообразно частичное объединение материально-технического, информационного и других видов обеспечения. Трехуровне-вая модель РОС (РС–СТ–ОУ) является рациональной с точки зрения цен-трализации управления, обеспечивающего эффективное функционирова-ние с учетом экономических, организационных и информационных факто-ров, а также качества образования и удовлетворения спроса на образова-тельные услуги и выпускников в регионе.

Таким образом, для описания РС требуется информация о сущест-вующей структуре РОС: перечисление ОУ, их территориального располо-жения, номенклатуры образовательных программ, объема приема и выпус-ка.

Рис. 1. Пример структуры РС


СПИ-МП-2006

271

Функциональное описание РОС. Каждый элемент РС осуществля-ет две взаимосвязанных функции: внешнюю (оказание образовательных услуг) и внутреннюю (обеспечивающую собственное существование и развитие). Соответственно двум функциям элемента РС необходимо рас-смотреть две его взаимосвязанные модели: внешнюю и внутреннюю.

Внешняя модель элемента РС представлена на рис. 2. Элемент РС формирует предложение образовательных услуг и предложение выпускни-ков по соответствующему набору образовательных программ, поэтому принятая структура описания позволяет сформулировать следующий об-щий критерий эффективности функционирования элемента РС: согласова-ние, удовлетворение и опережающее формирование спроса на образова-тельные услуги и выпускников в рамках заданных институциональных ог-раничений и ресурсного обеспечения.

Рис. 2. Внешняя модель элемента РС Для построения внешней модели элемента РС необходима инфор-

мация о внешних условиях его функционирования, о спросе на образова-тельные услуги и выпускников, об институциональных и ресурсных огра-ничениях.

Внутренняя модель элемента РС, функционирование которого рас-сматривается в течение T прошлых и будущих периодов, представлена таблицей, в которой каждая из ячеек, соответствующая ресурсу, содержит агрегированную по образовательным программам информацию “про-гноз\имеется\нехватка”. Кроме того, внутренняя модель элемента РС включает взаимосвязь между возможными изменениями показателей ко-личества приема, обучения и выпуска по различным образовательным про-граммам (с учетом возможности закрытия части существующих и откры-тия новых образовательных программ, реорганизации и создания новых элементов РС) и требующимися для этого ресурсами.

Общая модель элемента РС агрегирует его внешнюю и внутреннюю модели.


1. Арнаутов А.А. Программный модуль «Программа моделирования и оптимизации обслуживания запросов транспортной системой». - ФАП ВНТИЦ. Рег. N50200501060 от 05.07.2005.

СПИ-МП-2006

272

2. Арнаутов А.А., Багирова М.А. Управление транспортной сетью распределенного вуза на основе эвристических схем. - Системные пробле-мы надежности, качества, информационных и электронных технологий/ Материалы X Международной конференции и Российской научной школы. Часть 5. - М.: Радио и связь, 2005. - С. 27-29.

3. Крючкова И.Н., Кравец О.Я. Подход к нейросетевому прогнозиро-ванию набора в высшие учебные заведения. - Новые технологии в научных исследованиях, проектировании, управлении, производстве: Труды Всерос. конф. Воронеж: ВГТУ, 2005. С. 26-28.

Аюев В.В. НЕКОТОРЫЕ АСПЕКТЫ ОБОБЩЕНИЯ

САМООРГАНИЗУЮЩИХСЯ КАРТ КОХОНЕНА [email protected]

1. О применении самоорганизующихся карт Кохонена Самоорганизующиеся карты Кохонена представляют собой мощный

инструмент кластеризации, имеющий как широкое непосредственное при-менение, так и приложения в более сложных нейросетевых структурах. Качество работы таких сетей в целом зависит от качества и скорости упо-рядочивания межнейронных связей [3].

Принимая во внимание неконтролируемость процесса самоорганиза-ции (критерием останова выступает, как правило, количество итераций или величина приращения весов на нескольких последовательных итерациях), важным свойством сети становится возможность обеспечения быстрой сходимости процесса обучения. Особенно актуальна эта проблема при ра-боте с большими картами Кохонена, т.к. в этом случае классический алго-ритм самоорганизации, как и алгоритм нейронного газа, не способен осу-ществить быстрое топологически непрерывное упорядочивание межней-ронных связей.

Следует заметить, что при чрезмерном числе нейронов эффектив-ность карт Кохонена может быть поставлена под сомнение ввиду сущест-вования альтернативных нейросетевых архитектур, демонстрирующих лучшую производительность. Поэтому наиболее перспективным их при-менением можно считать использование в комбинированных нейросете-вых моделях, например, в сетях встречного распространения.

2. Использование карт Кохонена при решении задач управления Рассмотрим применение самоорганизующихся карт Кохонена для

решения задачи управления производством хлебобулочной продукции в условиях работы тупиковых печей. Оно включает в себя формирование управляющей последовательности сигналов, подающихся на технологиче-


СПИ-МП-2006

273

ские устройства (конвейер, печи), с целью оптимизации выхода продук-ции, где критерием оптимальности выступает объём готовой продукции (при условии соответствия нормам ГОСТа).

Для решения одной задачи формирования управляющей последова-тельности сигналов для конвейера [4], включающей установку длительно-сти прохождения 4 циклов производства (4 временных интервала на выхо-де) на основе 18 исходных параметров (5 параметров ингредиентов, 6 па-раметров продукции, 6 коэффициентов предполагаемых технологических затрат и производственных потерь), была применена сеть встречного рас-пространения с 18 входами, n нейронами синхронного слоя Кохонена и 4 линейными нейронами в выходном слое. Обучающая выборка состояла из 3400 элементов (после добавления шума в исходное обучающее множест-во). Обучение слоя Кохонена велось по модифицированному алгоритму WTA со множественным поощрением, а слоя линейных нейронов – по классическому алгоритму скорейшего спуска.

Ввиду сложности аппроксимируемого функционала управления и низкой целевой ошибки, размерность карты Кохонена выбиралась доста-точно большой. Применение классических прямоугольных карт Кохонена в этом случае привело к существенному замедлению скорости работы сети. В качестве альтернативы традиционным самоорганизующимся картам бы-ло предложено использовать формации нейронов, имеющие большее ко-личество неявных связей друг с другом. Это достигается, например, при объединении нейронов в матрицы высокой размерности.

В отличие от классических (двумерных) самоорганизующихся карт многомерный случай позволил применять различные подходы к решению важных вопросов, связанных с реализацией процесса обучения [1]: опре-делению способа формирования матрицы нейронов (куб, параллелепипед, шар), определению способа назначения поощрения «победившим» нейро-нам, определению вида области притяжения (куб, параллелепипед, ромб), вычислению расстояния между нейронами (L1, L2, Lmin, Lmax, Lmh) и др. При этом оптимальная скорость самоорганизации была достигнута благодаря применению ромбовидной области притяжения с группировкой нейронов в шар и использованием Евклидовой меры близости между нейронами для 3 и 4-мерных карт Кохонена [2].

3. Анализ полученных результатов Близкие результаты скорости самоорганизации для сетей высоких

размерностей можно объяснить большими накладными расходами на вы-числение принадлежности нейронов областям притяжения и расчет поощ-рений, обусловленные повышением порядка матриц. Следует заметить также, что выбор области формирования нейронов стандартного вида не всегда приводит к лучшему результату, что объясняется потерями в произ-

СПИ-МП-2006

274

водительности при работе с «правильными» областями (куб, гиперкуб) при недостатке или избытке нейронов.

На основании проделанной работы можно сделать вывод о принци-пиальной применимости самоорганизующихся карт Кохонена высокой (более 2) размерности при решении задач кластеризации для большого (200 и более) количества нейронов. Двукратное увеличение количества нейронов в конкурентном слое приводит к более чем двукратному замед-лению скорости самоорганизации, что в значительной степени связано с характером данных и высокой размерностью входного пространства.

Рис. 1. Сравнительный анализ эффективности обучения самооргани-

зующихся карт Кохонена различной размерности с оптимальной архитек-турой

Применение сетей Кохонена высоких размерностей представляется

целесообразным в задачах, не накладывающих жёстких ограничений на первоначальное обучение сети, ввиду существенных временных затрат, необходимых для самоорганизации межнейронных связей.


1. Аюев В.В., Сапрыкин Д.Н. Модификация самоорганизующихся карт Кохонена // Прогрессивные технологии, конструкции и системы в приборо- и машиностроении. – М.: Издательство МГТУ им. Н.Э. Баумана, 2005. – с. 242-245.

2. Аюев В.В., Сапрыкин Д.Н. Особенности различных методов груп-пировки нейронов в матрицу в обобщённой самоорганизующейся карте Кохонена // Прогрессивные технологии, конструкции и системы в прибо-ро- и машиностроении. – М.: Издательство МГТУ им. Н.Э. Баумана, 2005. – с. 250-253.

СПИ-МП-2006

275

3. Головко В.А. Нейронные сети: обучение, организация и примене-ние. Кн. 4: Учеб. Пособие для вузов / Общая ред. А.И. Галушкина. – М.: ИПРЖР, 2001. – с.148-175.

4. Зверева Л.Ф., Немцова З.С., Волкова Н.П. Технология и технохи-мический контроль хлебопекарного производства. 3 издание. – М.: Лёгкая и пищевая промышленность, 1983. – с. 218-223.

Блюмин С.Л. НЕЧЕТКИЕ СООТНОШЕНИЯ: «СМУТА» И «БЕЗЗАКОНИЕ»

[email protected]

В [1] намечен подход к исследованию и решению соотношений в множестве Х – уравнений, в которых отношение равенства заменено неко-торым другим отношением – при минимальных требованиях к этому от-ношению и используемым операциям. В условиях неопределенности, фор-мализуемых нечеткой алгеброй, естественно использовать отношения не-четких равенств [2,3], а при минимальных требованиях к операциям – «смутные» (нечеткие и согласованные с нечеткими равенствами) операции [3], не подчиненные каким-либо законам (например, широко известным со-четательным, переместительным, распределительным, нуля и/или едини-цы, противоположного и/или обратного элементов). Возникающая ситуа-ция образно характеризуется как «смута» и «беззаконие». Преодолеть «смуту» можно, переходя к рассмотрениям в фазеанах – классах нечетких множеств в Х и связанных с ним множествах, если учесть, что фазеаны яв-ляются обычными (четкими) множествами, и использовать некоторые эле-ментарные факты теории множеств [4]. Преодолеть «беззаконие» можно, предъявляя некоторые требования к параметрам уравнений, соответст-вующих в фазеанах исходным нечетким соотношениям. Ниже представле-ны некоторые детали такого подхода.

Нечеткие множества в Х принято отождествлять с их функциями принадлежности µ:Х→[0,1]=E, так что фазеаном Х является X`=ЕХ – мно-жество всех отображений Х в Е [4], µ=x`∈Х`. Нечеткое равенство ε на Х определяется [2, 3] как рефлексивное, симметричное и транзитивное не-четкое отношение ε:Х×Х→Е, так что ε∈ЕХ×Х; в силу канонической биек-ции ЕХ×Х≅(ЕХ)Х [4] ему отвечает отображение ϕε:Х→X` множества в его фазеан; согласно принципу обобщения теории нечетких отношений в фор-ме Орловского [2] оно распространяется до отображения ϕϕε:X`→X` фа-зеана в себя, ϕϕε∈(Х`)X`; в силу канонической биекции (EX)X`≅ЕХ×X`≅(EX`

)X=(X``)X ему отвечает отображение Х в его второй фазеан X``; повторным применением принципа обобщения получается отображение X`→X`` пер-вого фазеана во второй, которое в силу канонической биекции (X``)X`≅EX`


СПИ-МП-2006

276

×X` может трактоваться как распространение исходного нечеткого равенст-ва ε на Х до нечеткого равенства ε` на X`. Принцип обобщения позволяет распространить и нечеткое равенство εε на Х×Х до нечеткого равенства (εε)` на X`×X`. При определенных условиях они оказываются обычными равенствами ρ и ρ×ρ на фазеане X` и его квадрате X`×X` и далее исполь-зуются «по умолчанию».

Смутная (vague) бинарная операция β на множестве Х относительно нечетких равенств εε на Х×Х и ε на Х определяется [3] как строгая нечет-кая функция β:(X×X)×X→Е, согласованная с εε и ε. Без предположений о подчинении операции β каким-либо законам этим определяется смутный группоид VΓ=<X, ε, εε, β> (ср. [3], где определено смутное кольцо, в кото-ром выполняются известные для колец законы). Так как β∈Е(Х×Х)×Х, то в силу канонической биекции Е(Х×Х)×Х≅(ЕХ)Х×Х операции β отвечает отобра-жение ϕβ:Х×Х→X` квадрата множества в фазеан этого множества; соглас-но принципу обобщения оно распространяется до отображения ∗=ϕϕβ:X`×X`→X` квадрата фазеана в фазеан, то есть до обычной бинарной операции на фазеане, согласованной с обычными равенствами на X`×X` и X`, чем определяется обычный группоид Γ`=<X`,∗>.

По определению, ∀a,b,c∈X, β(a,b,c)∈Е. Фиксация a,b приводит к прямой задаче, решение которой, по определению смутной бинарной опе-рации [3], существует и является нечетким множеством в Х, βa,b:X→Е, - результатом применения операции β к паре (a,b). Фиксация же, например, b,c приводит к обратной задаче – нечеткому соотношению относительно а, подлежащему исследованию и решению. Этому нечеткому соотношению в VΓ отвечает уравнение в Γ` вида a`∗b`=c` с неизвестным a` и параметрами b`, c`. Без предположений о подчинении операции ∗ каким-либо законам к параметру b` можно предъявить, например, требование: (∀x`∈X`) x`∗b`=(x`∗b`)∗b`. Пусть уравнение разрешимо, то есть (∃a`0∈X`)a`0∗b`=c`; применение этого предположения и требования к b` при x`=a`0 приводит к необходимому условию разрешимости уравнения, накладываемому на его параметры b`, c`: c`= a`0∗b`=(a`0∗b`)∗b`=c`∗b`; это условие и достаточно, так как при его выполнении в качестве решения можно взять a`*=c`. Таким образом, получен критерий разрешимости урав-нения c`=c`∗b` и некоторое его решение a`*=c`.

Если смутный группоид VΓ является смутной полугруппой VSG, то есть смутная бинарная операция ассоциативна [3], то группоид Γ` является полугруппой (SG)`, и требование к b` следует из его идемпотентности, b`∗b`=b`, определяющей смутную идемпотентность в VΓ. В [3] определена смутная обратимость, которая, как и смутная идемпотентность, является частным случаем смутной регулярности – аналога обычной регулярности в

СПИ-МП-2006

277

VΓ, обеспечивающего последнюю в (SG)`; о ее применении к исследова-нию и решению уравнений в обычных полугруппах и полукольцах [1, 5].


1. Блюмин С.Л. «Линейные» соотношения над «бедными» алгебраи-ческими структурами // Нелинейный анализ и функционально-дифференциальные уравнения. – Воронеж: ВГУ, 2000. – С.59-61.

2. Орловский С.А. Проблемы принятия решений при нечеткой ис-ходной информации. – М.: Наука, 1981. – 208 с.

3. Crist R., Mordeson J. Vague Rings // New Mathematics and Natural Computations. – 2005. – Vol. 1, No. 2. – P. 213-228.

4. Бурбаки Н. Элементы математики. Теория множеств.– М.: Мир, 1965.– 455 с.

5. Блюмин С.Л. Математические проблемы искусственного интел-лекта: регулярность по Дж. фон Нейману в линейной и «линейной» алгеб-рах // Системы управления и информационные технологии.–2003.- 1-2(12).–С. 90-94.

Блюмин С.Л., Немец С.Ю., Суханов В.Ф. ЭМПИРИЧЕСКОЕ СРАВНЕНИЕ И КОМБИНИРОВАНИЕ МЕТОДОВ

ПРОГНОЗИРОВАНИЯ [email protected]

В [1] обсуждены методика и некоторые практические результаты эм-

пирического сравнения различных методов прогнозирования на основе ретроспективных оценок («кредитных историй»). Результаты обсуждения послужили, в частности, методической основой разработки оптимальных (по тому или иному критерию) комбинированных методов прогнозирова-ния [2] в рамках алгебраического подхода [3] к решению проблемы синте-за корректных алгоритмов по имеющемуся набору стандартных.

Близким проблемам посвящены недавние работы [4-5]. В первой из них представлены и проанализированы различия, выявленные путем эмпи-рического сравнения, между результатами прогнозирования рейтингов ценных бумаг S&P по данным за 1982-2000 гг. на основе подходов Throuhg the Cycle Rating и Point in Time Rating. Во второй работе проведено всесто-роннее систематическое эмпирическое сравнение результатов прогнозиро-вания 14-ю (из 24-х) методами (отличными от использованных в [1]) всех 3003 временных рядов из базы данных M3-competition, а также комбина-циями этих методов. В качестве комбинаций прогнозов, в отличие от [3], берутся простые (невзвешенные) средние; критерием оценки служит близ-кая к использованной в [1,3] мера sMAPE. Полученные эмпирические ре-зультаты показывают, что менеджеры и исследователи должны с осторож-


СПИ-МП-2006

278

ностью относиться к утверждениям типа «комбинированные прогнозы лучше»; проанализированы условия, при которых это так, по указанному критерию. Отмечено, что остается открытым вопрос о построении комби-нации прогнозов, робастной к выбору критерия.

Применение алгебраического подхода может дать ответ на подобные вопросы.

Работа выполнена при поддержке РФФИ, проект 05-01-96409.

Список использованных источников 1. Блюмин С.Л., Корниенко С.А., Немец С.Ю., Суханов В.Ф., Чебо-

тарев С.В. Эмпирическое сравнение подходов к прогнозированию: «кре-дитные истории» // Современные сложные системы управления. Сб. тр. – Липецк: ЛГТУ, 2002. – С. 18–22.

2. Блюмин С.Л., Немец С.Ю. Ретроспективная оценка как методиче-ская основа разработки комбинированных методов прогнозирования // Вестник ЛГТУ-ЛЭГИ. - 1(13). – Липецк: ЛЭГИ, 2005. – С.27-30.

3. Немец С.Ю. Применение алгебраического подхода для прогнози-рования временных рядов // Электроэнергетика, энергосберегающие тех-нологии. Сб. тр. Ч. 2. – Липецк: ЛГТУ, 2004. – С. 37-39.

4. Rosch D. An empirical comparison of default risk forecasts from alter-native credit rating philosophies // Int. Journ. of Forecasting. – Vol. 21, No. 1. – 2005. - P. 37-51.

5. Hibon M., Evgeniou T. To combine or not to combine: selecting among forecasts and their combinations // Int. Journ. of Forecasting. – Vol. 21, No. 1. – 2005. - P. 15-24.

Гаджиев Ю.А.

ПРОСТОЙ АРИФМЕТИЧЕСКИЙ КОД [email protected]

Пусть ip вероятность i -го сообщения. Любая точка iM интервала ( ]iii HLD ,= , где )( jiji pL <Σ= и iii pLH += , однозначно определяет i -е со-

общение и, значит, может использоваться для его обозначения. Пусть ( ]HLD ,= , 10 ≤<≤ HL - некоторый интервал. Определим:

)(log LHn b −−= , (1)

nnn bbbLM −− +⋅⋅= . (2) Здесь и далее r обозначает наименьшее целое, большее или равное

r , а r - наибольшее целое, меньшее или равное r . Например 10999,9 = ; 2) 9999,9 = ; 3) (!) 10...999,9...999,9 == . Из определения r следует, что неравенство

10 <−≤ rr . (3)


СПИ-МП-2006

279

справедливо для любого 0≥r . Покажем, что выбранная в соответствии с определениями (1), (2) точка M принадлежит интервалу ( ]HL, . Действи-тельно, из (1) следует, что LHb n −≤− , а из (3), что LbbL nn ≤⋅⋅ − . Сложив последние два неравенства, имеем LLHbbLb nnn +−≤⋅⋅+ −− )( , т.е. HM ≤ . С другой стороны, из (3) следует, что 1<⋅−⋅ nn bLbL . Умножив обе части неравенства на nb− , получим nnnnn bbbLbbL −−− <⋅⋅−⋅⋅ , откуда

nnn bbLbL −− ⋅⋅+< , т.е. ML < . Таким образом, HML ≤< . Вычислить n по известным H , L , LHp −= , представленными ко-

нечными (т.е. с периодом 0) b -ичными дробями точности kb− можно под-считав длину цепочки лидирующих нулей дроби p : knn

nddd K321 K 100.0 + . За-

тем для получения M инкрементировать L с переносом в разряд n и обну-лить все последующие. Примеры: 1) 15671219,0=L , 15673456,0=H ,

0,00002237=−= LHp , 5=n , 15672,0=M , код 156722) 09999993,0=L , 1,0=H , 0,00000007=−= LHp , 8=n , 09999994,0=M , код 09999994 3) 99999999,0=L ,

1=H , 0,00000001=−= LHp , 8=n , 00000000,1=M , код 00000000 4) 09999999,0=L , 1,0=H , 0,00000001=−= LHp , 8=n , 10000000,0=M , код

100000005) 00999999,0=L , 01,0=H , 0,00000001=−= LHp , 8=n , 01000000,0=M , код 01000000 . Заметим, что запись дробной части числа iM в b -ичной форме по-

требует не более iI b -ичных знаков, где )(log ibi pI −= - b -ичная самоин-формация события, всегда, кроме случая 1=M . Однако в этом (и только в этом) случае дробная часть iM тождественно равна нулю, поэтому также и здесь достаточно указать не более iI знаков дробной части (см. пример 3 выше).

Список использованных источников 1. Shannon C.E. Mathematical Theory of Communication. Bell S.T.J., V.

27, 1948.

Гинис Л.А. МОДЕЛИРОВАНИЕ СЛОЖНЫХ СЛАБОСТРУКТУРИРОВАННЫХ

СИСТЕМ НА ОСНОВЕ НЕЧЕТКИХ КОГНИТИВНЫХ КАРТ [email protected]

Нечеткие когнитивные карты (FCMs) – это достаточно новая мето-дология моделирования сложных слабоструктурированных систем, кото-рые являются комбинацией нечеткой логики и нейронных сетей. Графиче-ски FCM – это ориентированный нечеткий граф с обратной связью, со-стоящий из узлов и взвешенных взаимосвязей. Узлы графа представляют собой концепты, которые используются для описания главных поведенче-


СПИ-МП-2006

280

ских характеристик системы. Узлы связаны между собой взвешенными ду-гами, представляющими причинные отношения, которые существуют ме-жду понятиями. Граф позволяет легко добавлять или удалять или понятия, или взаимосвязи. FCMs – это структура нечеткого графа, которая позволя-ет систематизировать причинные связи и отслеживать развитие системы, причем как в прямом, так и в обратном формировании цепочки.

Предположим, что имеется нечеткий орграф пяти вершин, которые обозначим C1 – C5, это могут быть основные объекты или характеристики системы; это также могут быть события, действия или цели системы. Для каждой вершины (концепта) вводится число Ai, которое представляет его ценность, назначается экспертом и лежит в интервале [0,1]. Для каждой дуги вводится ее вес Wij, позволяющий оценить степени причинной связи, причем веса взаимосвязей могут изменяться в интервале [-1,1]1. Отноше-ния между концептами могут быть одним из трех возможных типов: поло-жительная причинная связь Wij > 0, отрицательная причинная связь Wij < 0 или отсутствие отношений Wij= 0. Ценность Wij указывает, насколько концепт Ci влияет на концепт Cj. Направление дуги указывает, являются ли отношения между концептами Ci и Cj прямыми или обратными. Рас-смотрим следующую формулировку для вычисления ценности концептов нечеткой познавательной карты: )( 1

21

11

−

≠=

− += ∑ tiji

n

ijj

tj

ti AkWAkfA 2. Коэффициент

k2 представляет собой пропорцию вклада предыдущей ценности концепта в вычислении новой ценности, а k1 выражает влияние связанных концептов в конфигурации новой ценности концепта Аi. Эта формулировка предпола-гает, что концепт связывается с собой с весом Wii= k2.

Рассмотрим такой случай. Влияние ценности каждого концепта на-столько высоко, что можно предположить k1=k2=1. Это означает, что цен-ность каждого предыдущего концепта имеет большое влияние в определе-нии ценности каждого последующего концепта, но собственно вычисления носят более «гладкий» характер. В этом случае, ценность Аi для каждого концепта Ci рассчитывается в соответствии со следующей формулой:

)( 1

1

11

−

≠=

− += ∑ tiji

n

ijj

tj

ti AWAkfA ,где t

iA - ценность концепта Ci в момент времени t,

1−tjA ценность концепта Cj в момент времени t-1 и вес Wji взаимосвязи кон-

цептов от Cj к Ci. f - пороговая функция, результат которой лежит в интер-вале [0,1]. Понятно, что нечеткие когнитивные карты по своей природе

1 H.S. Kim and K.C. Lee. Fuzzy implications of fuzzy cognitive map with emphasis on fuzzy causal relationship and fuzzy partially causal relationship. Fuzzy Sets and Systems, vol. 97, pp. 303-313, 1998. 2 Fuzzy cognitive map in modeling supervisory control systems. Chrysostomos D. Stylios and Peter P. Groumpos. Laboratory for Automation and Robotics, Department of Electrical and Computer Engineering University of Patras, GREECE.

СПИ-МП-2006

281

дискретны, поэтому необходимо при каждом внешнем возмущении по-вторно рассчитывать ценности всех концептов согласно последней форму-ле. Эту процедуру называют бегущим циклом FCM.

В нечеткой когнитивной карте можно использовать два вида порого-вой функции f. Униполярная сигмоидальная функция, где λ>0 определяет крутизну непрерывной функции f, может быть представлена следующим образом: )1/(1)( xexf λ−+= . Если же природа концепта может быть отрица-тельна, и их ценности принадлежат интервалу [-1,1], то используется сле-дующая функция: f(x) = tanh(x).

Простота модели FCM становится очевидной при ее математическом представлении. Предположим, что FCM состоится из n концептов. Это может быть представлено математически вектором 1xn, и обозначено век-тором A, который имеет n концептов и матрицу весов W: nxn. Каждый эле-мент eij матрицы W указывает ценность веса Wij между концептами Ci и Cj, и матричная диагональ из нулей дает нам симметричную матрицу, для которой Wii= 0. Формула для расчета t

iA может быть преобразована и то-гда FCM представляется более компактной математической моделью:

)( 11 −− += ttt AWAfA . В этой формуле вычисляется новый базовый вектор tA , который следует из умножения предыдущих, в момент времени t-1 на

базовый вектор 1−tA с матрицей весов W. Новый базовый вектор содержит новые ценности концептов после взаимодействия между концептами кар-ты и добавления базового вектора 1−tA . Но, последнее представление может быть записано и как: )( 1 newtt WAfA −= , где, новая матрица весов Wnew – это матрица весов W нечеткой когнитивной карты с полными диагональными элементами, равными единице, что означает, что для каждого концепта вес Wii=1. Это довольно новый подход, который отличается от общепринятого представления FCM в литературе, где предполагается, что нет концептов, для которых диагональ матрицы весов равна нулю.

Подобное представление позволяет формализовать нечеткую когни-тивную карту для моделирования слабоструктурированных систем. На ос-нове теории графов и математической формализации описывать методы нахождения таких путей с целью решения таких задач когнитивного моде-лирования, как анализ путей и циклов и исследование чувствительности.

Деркачев А.Н. ИЗМЕНЕНИЕ МОДЕЛИ НЕЙРОННОЙ СЕТИ ДЛЯ РАБОТЫ С

НЕЧЕТКИМИ ВХОДНЫМИ ПЕРЕМЕННЫМИ [email protected]

Нейронные сети обладают свойствами, необходимыми для различ-

ных практических приложений: предоставляют универсальный механизм


СПИ-МП-2006

282

аппроксимации, адекватный многомерным массивам данных, способны обучатся и адаптироваться к изменяющимся условиям окружающей среды, могут обобщать полученные знания.

Однако ввиду своей природы нейронные сети могут принимать в ка-честве входного вектора только вектор из четких значений. Нечеткие пе-ременные на вход нейронной сети поданы быть не могут, что не позволяет применять их для решения задач, которые описываются (частично или полностью) нечеткими параметрами.

Для того чтобы учесть влияние нечеткой переменной необходимо преобразовать ее к виду, который нейронная сеть сможет воспринять, со-хранив при этом характер поведения заданной нечеткой переменной. Для этого можно использовать функцию принадлежности м(x) заданной нечет-кой переменной, которая удовлетворяет этим требованиям. Предложенное преобразование необходимо сделать до подачи переменной в нейронную сеть. Между нечеткой переменной и входом нейронной сети добавляется блок преобразующий переменную в функцию принадлежности м(x).

Способ определения функции принадлежности играет важную роль т.к. от него во многом зависит то, насколько точно функция принадлежно-сти будет отражать поведение исходной переменной. Неудачный выбор приведет к увеличению ошибки обучения. Для уменьшения этой ошибки на этапе оптимизации структуры сети необходимо следить за величиной ошибки обучения и, при необходимости, выбрать другой способ определе-ния функции принадлежности.

Определить функцию принадлежности для заданной нечеткой пере-менной можно, различными способами, которые широко представлены в теории нечетких множеств, например методом парных сравнений Саати.

Десятов А.Д., Думачев В.Н. КЛАССИЧЕСКАЯ ПРОВЕРКА КВАНТОВЫХ ВЫЧИСЛЕНИЙ

[email protected] [email protected] В работе [1] методы квантовых вычислений используются для опре-

деления оптимальных стратегий теории биматричных игр. Использование квантовых запутанных состояний позволяет ввести меру согласованности принятия решения игроками относительно выбора своих стратегий и, как следствие, значительно улучшить ситуацию как одной, так и другой про-тивоборствующей стороны повышая их выигрыш. В настоящей работе проводится сопоставление последовательности квантовых вычислений с классическим алгоритмом [2].

Для биматричной игры с платежной матрицей из таблицы ожидае-мый выигрыш игрока является квантово-механическим средним



СПИ-МП-2006

283

( ))1)(1(

Ј22

11100100

BA

BAABff

ζζ

ζζαζαζααψψ

++

+++== $ .

Игрок 2

0 1 0 ),( 0000

BA αα ),( 1001BA αα

Игр

ок 1

1 ),( 0110

BA αα ),( 1111BA αα

Обозначая квантовые оптимальные стратегии через ( )*2

*1 ,PP а соот-

ветствующие классические через ),( *2

*1 pp сравним функции среднего кван-

тового Ј и классического $ выигрыша: iiiiii PPPP 22222121222121 )()( ααααα +−+−+∆=$ ,

где )( 22211211iiiii αααα +−−=∆ .

Для того, чтобы квантовые стратегии давали средний выигрыш больший, чем классические, необходимо выполнение очевидных условий:

( ) ( )*2

*1

*2

*1 ,, ppPP ii $$ ≥

или 1

121

122

2

212

222

∆−

≥∆− αααα , 2

221

222

1

112

122

∆−

≥∆− αααα .


1. Eisert J., Wilkens M., Lewenstein M. Quantum Games and Quantum Strategies // Phys.Rev.Lett. 83 (1999) 3077.

2. Десятов А.Д., Думачев В.Н., Экстремальные стратегии в кванто-ванных играх // Системы управления и информационные технологии, 2005, N 2(19), С. 12-16.

Думачев В.Н.

ИНВАРИАНТЫ ПУАНКАРЕ ЗАДАЧИ ЭЙЛЕРА [email protected]

В работе исследуется устойчивость динамических систем по Лиу-

виллю. Представим динамическую систему в виде системы дифференци-альных уравнений как подмногообразие Σ в расслоении джетов )(3 πJ :

ME → , определяемое уравнениями ( ) 0,,,, 3210 =ppppxF , где RMx ⊂∈ , RUpu ⊂∈= 0 , ( ) RJp i

i ⊂∈ π , UME ×= . Согласно теории Лиувилля данная система является устойчивой, если объем фазового пространства

210 dpdpdp ∧∧=Ω , накрывающего интегральные кривые, не меняется с течением времени. Другими словами, существует такое гамильтоново по-ле, которое сохраняет форму объема Ω , т.е. производная Ли 3-формы Ω


СПИ-МП-2006

284

по векторному полю X есть нуль: 0=ΩXL . Записывая последнее выраже-ние в явном виде ( )Ω↵+Ω↵=Ω XXX ddL , с учетом 0=Ωd , получим

( ) 0=Ω↵Xd , или, согласно лемме Пуанкаре Θ=Ω↵X . Особенностью дан-ной задачи является то, что 3Λ∈Ω ( )( 3RΛ - внешняя градуированная ал-гебра). При условии, что фазовое пространство является связанным, из замкнутости формы Θ следует ее точность: dH=Θ . Но факторалгебра

33 /)( ΛΛ R допускает существование двух точных форм: 1Λ∈Θ и 2Λ∈Θ , в зависимости от того, принадлежит ли 22 Λ∈X или 11 Λ∈X , соответственно. Поэтому скобки Ли-Пуассона принимают вид

HGdGH ,1 =↵X , ( ) HGFdGdFH ,,2 =∧↵X

и требуют введения второго гамильтониана уравнений движения F , а ди-намические уравнения Гамильтона индуцируют распределение Картана расслоения )(3 πJ :

dtHGdpii ∧−= ,θ , dtHGFdpii ∧−= ,,θ .

Таким образом, объем распределения Картана является абсолютным интегральным инвариантом: 321 θθθ ∧∧=I , или

dtI ∧Ω↵+Ω= 1X dFdtI ∧∧Ω↵+Ω= 2X

а предтриплектическая форма Кириллова ωd=Ω : 102021210 dpdppdpdppdpdpp ∧+∧−∧=ω

дает инвариант Пуанкаре рассматриваемой динамической системы.

Енина Е.П., Соломоненко П.А. ПОЭТАПНО-ИЕРАРХИЧЕСКАЯ ПРОЦЕДУРА ОПТИМИЗАЦИИ

ПРИ ОБОСНОВАНИИ ПАРАДИГМЫ УПРАВЛЕНИЯ [email protected]

Для определения рационального типажа средств и их основных

характеристик для реализации одного процесса или нескольких процес-сов, протекающих на разных уровнях АПК, целесообразно использовать поэтапно-иерархическую процедуру оптимизации. В соответствии с этой процедурой оптимизация осуществляется последовательно применительно к заранее установленному приоритетному ряду функций в рамках одной группы однородных функций, то есть, сначала находится рациональный ти-паж средств для одной функции, затем для другой с учетом найденных средств для первой функции и т.д.


СПИ-МП-2006

285

Оптимизация на уровне средства начинается с разработки вариантов средств по каждому типу, технически реализуемых в рассматриваемый пе-риод и удовлетворяющих заданным требованиям. Учитывается опыт созда-ния подобных средств у нас и за рубежом. Разработка вариантов средств производится также в интересах последующей оценки целесообразной сте-пени универсализации (совмещение нескольких функций в одном средст-ве), унификации и модификации.

В процессе оптимизации сначала определяются основные характери-стики одного варианта средств данного типа, затем одного типа и т.д., за-тем производится сравнение вариантов средств одного типа по критерию «эффективность-затраты-время» и выбор тех из них, которые целесообраз-но рассматривать на моделях более высокого уровня иерархии.

Один вариант средства от другого может отличаться структурой, тех-ническими и стоимостными характеристиками. Перечень основных харак-теристик (показателей) одного варианта средства устанавливается приме-нительно к каждому типу средств и общеизвестен специалистам, занимаю-щимся проектированием средств и их использованием.

Для определения технически реализуемых характеристик средства используются методы технического прогнозирования характеристик эле-ментов средств. Наибольшее распространение получили методы эксперт-ной оценки, методы экстраполяции и методы моделирования.

При переходе от одной функции приоритетного ряда к другой оцени-вается возможность и целесообразность создания новых элементов средст-ва (в частности, в случае разработки нового варианта средства) или усо-вершенствования и использования тех, которые были определены приме-нительно к предыдущим функциям.

Результаты оптимизации, полученные на уровне отдельного средства, используются на уровне комплекса (комплекта) средств. При этом опреде-ление рационального варианта комплекса (комплекта) средств осуществля-ется с использованием поэтапно-иерархической процедуры оптимизации, которая применяется на уровне отдельного средства.

Зубков В.П., Малафеева Т.В. ПРЕДСТАВЛЕНИЕ ФОРМУЛ ИСЧИСЛЕНИЯ ПРЕДИКАТОВ В

СЕМАНТИЧЕСКИХ СЕТЯХ [email protected]

Рассмотрим представление формулы исчисления предикатов: K1x1K2x2…KnxnP(x1,x2,…,xn,..), (1)

где Ki – квантор всеобщности (существования), связывающий только одну переменную, входящую в формулу, Р – некоторый предикат, состоящий из предикатов более низкого уровня, возможно содержащих кванторы.


СПИ-МП-2006

286

Определение формулы в исчислении предикатов формулируется ин-дуктивным способом Будем сопоставлять промежуточные определения со-ответствующим представлениям в семантических сетях, которые запишем в символьном виде по следующему правилу: переменной, терму, множест-ву и квантору сопоставляется вершина, дуге сопоставляется предикатный символ и специальный символ. Вершины, содержащие множества, назовем специальными. При представлении в виде списка дуге соответствует пер-вый символ, а вершинам два значения. Предикатный символ – это нагрузка сверху дуги. Нагрузка снизу дуги отделяется символом «/». Несколько на-грузок сверху или снизу отделяются двоеточиями. Все нагрузки заключа-ются в кавычки.

Предметные переменные обозначаются символами x, y, z без и с ин-дексами. Верхние индексы означают арность переменной. Нижний индекс применяется для различения переменных.

Функциональные переменные обозначаются символами f, g, h без индексов и с верхними и нижними индексами. Верхние индексы означают арность функциональной переменной. Нижний индекс применяется для различения функциональных переменных. Функциональные переменные с нулевой арностью называются функциональными константами. Опреде-лим терм следующим образом: (а) предметная переменная или константа есть терм (в) если t1, t2,..,tn – термы, а fn – функциональный символ n-й ар-ности, то fn(t1, t2,…,tn) – терм, (с) других термов нет. В семантической сети функциональным переменным соответствуют вершины. Термам соответ-ствуют несколько вершин, связанных ненагруженными или непомеченны-ми дугами:

( (ЗН a) (ЗН +)) ( (ЗН b) (ЗН +)) ( (ЗН +) (ЗН a+b)) Эта запись означает, что значения переменных a b складываются и

получается сумма их значений, условно обозначенная a+b. В таких списках происходит семантическое различение переменных и функциональных символов. Терм вида ((а+b)*(с+d))^2 – (a+d)/(c+b) в виде семантической сети в форме списка имеет такой вид:

((ЗН a)(ЗН +1))((ЗН b)(ЗН +1))((ЗН +1)(ЗН a+b))((ЗН c)(ЗН +2))((ЗН d)(ЗН +2)) ((ЗН +2)(ЗН c+d))((ЗН a+b)(ЗН *))((ЗН c+d))(ЗН *))((ЗН *)(ЗН (a+b)*(c+d)) (1(ЗН (a+b)*(c+d))(ЗН ^))(2(ЗН 2)(ЗН ^))(1(ЗН ((а+b)*(с+d))^2)(ЗН -))((ЗН a)(ЗН +3))((ЗН d)(ЗН +3))((ЗН +3)(ЗН a+d)) ((ЗН c)(ЗН +4))((ЗН b)(ЗН +4))((ЗН +4)(ЗН c+b)) (2(ЗН c+b)(ЗН /)(1(ЗН a+d)(ЗН /))((ЗН /)(ЗН (a+d)/c+b))) (2(ЗН (a+d)/(c+b)) (ЗН -))((ЗН -)(ЗН ((а+b)*(с+d))^2-(a+d)/c+b)))

Простейшая формула определяется следующим образом. Если Pmn –

предикатный символ арности n с символом различения m, а t1, t2,…,tn – термы, то выражение Pm

n(t1, t2,…,tn) является простейшей формулой. Зна-чением простейшей формулы является «истина» или «ложь». Предикатный символ является отношением между термами, которое в зависимости от

СПИ-МП-2006

287

значений термов является либо истинным, либо ложным. В виде семанти-ческой сети в форме списка простейшая формула имеет следующий вид:

(Pmn t1 LV) (Pm

n t2 LV)… (Pmn tn LV)

Если в простейшей формуле важен порядок следования термов, то стрелки, являющиеся отношением, помечаются номерами, в случае их ко-личества, большего двух, и выделяется жирной стрелкой первый терм, ко-гда отношение бинарное.

Формула определяется так: (1) Простейшая формула является фор-мулой (2) Если F1 и F2 – формулы и ∧, ∨, →, ⊕, ¬ - знаки логических опе-раций соответственно конъюнкции, дизъюнкции, импликации, исключаю-щей дизъюнкции, отрицания, а ∀, ∃ - кванторы соответственно все-общности и существования, то F1 ∧ F2, F1 ∨ F2, F1 → F2, F1 ⊕ F2, ¬ F1, (∀x1) F1, (∃x1) F1 – формулы (3). Других формул нет.

Формулу (∀x,e,z ∈ Z)(∀n ∈ N)(n ≥ 3 → x^n + y^n ≠ z^n) в виде се-мантической сети в форме списка можно представить так:

(∈ (ЗН n)(ЗН N)) (1:≥:∀ (ЗН n)(ЗН T)) (2:≥∀ (ЗН 3)(ЗН T)) (→(ЗН T)(ЗН LV)) (∈ (ЗН x)(ЗН Z)) (∈ (ЗН y)(ЗН Z)) (∈ (ЗН z)(ЗН Z)) (∀(ЗН x)(ЗН x^n)) (∀(ЗН y)(ЗН y^n)) ((ЗН x^n)(ЗН +))((ЗН y^n)(ЗН +))((ЗН +)((ЗН x^n+y^n)) (≠(ЗН x^n+y^n) (ЗН LV)) (∀(ЗН z)(ЗН z^n)) (≠(ЗН z^n) (ЗН LV))((ЗН ∀x,e,z ∈ Z) (ЗН LV))((ЗН ∀n ∈ N) (ЗН LV))

В данной формуле не развернуты степени и используются следую-щие сокращения: LV – логическое значение; ЗН – значение; N – множество натуральных чисел; Z – множество целых чисел. Дуги могут быть нагру-жены дважды, т.е. что-то находится над дугой и что-то под дугой. Если двойная нагрузка имеется, то разделяется символом «слэш». Внутри одной нагрузки элементы разделяются двоеточием, при этом может быть позици-онная форма записи или ключевая.

Зюбин В.Е. ГИПЕР-АВТОМАТ – МАТЕМАТИЧЕСКАЯ МОДЕЛЬ СЛОЖНЫХ

АЛГОРИТМОВ УПРАВЛЕНИЯ [email protected]

В настоящее время практически вся промышленная автоматизация

реализуется на цифровых системах управления. В качестве базового эле-мента систем управления используются программируемые логические контроллеры (ПЛК). ПЛК функционируют в соответствии с заданным управляющим алгоритмом (УА). УА для ПЛК имеют исключительно про-граммную реализацию.

Создание программ для ПЛК возможно только при наличии фор-мальных языков и методик, само существование которых предполагает


СПИ-МП-2006

288

серьезный теоретический базис (модель УА, понятийный аппарат, терми-нология), отражающий следующую специфику задач автоматизации [1]:

• гомеостаз, или наличие внешней по отношению к алгоритму среды – объекта управления (ОУ);

• цикличность функционирования УА; • присущую задаче управления событийность; • необходимость синхронизации функционирования УА с физиче-

скими процессами на ОУ (служба времени); • параллелизм физических процессов на ОУ. Предварительный анализ проблемы показывает, что в качестве осно-

вы модели УА может быть использована модель конечного автомата (МКА). Однако прямое использование МКА для моделирования сложных УА невозможно, поскольку, с одной стороны, ее привлекательные свойст-ва (возможность отразить гомеостаз, событийность и цикличность) явно не подчеркнуты, а с другой стороны, МКА не предполагает операций с вре-менными интервалами и параллелизм. Кроме этого, МКА ориентирована на схемную реализацию, что приводит к ряду негативных последствий. В частности, МКА сложна для понимания современным выпускником школы или ВУЗа, т.к. ее понятийный аппарат не соответствует текущим тенден-циям в образовании, ориентированном на информационные технологии и тотальную компьютеризацию.

Предлагается формальная модель сложного алгоритма управления в виде гиперавтомата H – упорядоченного множества процессов (z-автоматов), циклически активизируемых с периодом активизации TH :

H T Z zH= , , 1 , где TH - период активизации гиперавтомата; Z - множество z-автоматов ( Z z z zM= , ,..., 1 2 , M - число z-автоматов гиперавтомата); z1 - начальный z-автомат, z Z1 ∈ .

Z-автомат, или процесс, – это полиморфная функция – совокупность альтернативных функций, представляемых в программе как единая неде-лимая сущность (в МКА эквивалент функции z-автомата – это состояние конечного автомата). В каждый из моментов активизации z-автомат пред-ставлен одной из своих функций – текущей функцией, код которой и вы-полняется в момент активизации. Каждый z-автомат имеет индивидуаль-ные часы – счетчик времени отсутствия смены текущей функции, что по-зволяет организовать синхронизацию z-автомата с физическими процесса-ми на объекте управления. Для организации взаимодействия между z-автоматами введены т.н. пассивные функции, приводящие к возврату управления при попытке активизации.

Таким образом, математическая модель z-автомата представляет со-бой множество из четырех элементов:

z F F f f Ti i i i icur

i= , , , , p z1 ( , ,..., )z Z i Mi ∈ = 1 ,

СПИ-МП-2006

289

где Fi - множество функций; Fip - множество пассивных функций, F Fi i

p ∈ ; f i

1 - начальная функция (выделенная активная функция), f F f Fi i i i1 1∈ ∧ ∉ p ;

f icur - текущая функция, f Fi i

1 ∈ ; Tiz - время отсутствия смены текущей

функции z-автомата. В свою очередь, j-я функция произвольного i-го z-автомата f X Yi

jij

ij= , ,

где X x xij

ij

ijL= 1 ,..., – множество событий f i

j ; Y y yij

ij

ijL= 1 ,..., - множество

реакций f ij .

В качестве события функции может рассматриваться произвольная суперпозиция фактов: значение текущей функции некоторого z-автомата, некоторое определенное значение переменной и некоторое определенное значение времени отсутствия переходов z-автомата.

Реакцией называется произвольная суперпозиция действий по изме-нению значений переменных и текущих функций z-автоматов, определяе-мая на основе событий текущего состояния.

Анализ явно выраженных свойств предложенной модели указывает на ее соответствие задачам управления: ориентация на гомеостаз, циклич-ность, событийность, возможность операций с временными интервалами, средства компоновки z-автоматов и естественный параллелизм. Модель гиперавтомата терминологически ориентирована на программную реали-зацию и отражает современное состояние информационных технологий. Выделен новый тип функционального полиморфизма, названный собы-тийным полиморфизмом.


1. Зюбин В.Е. Программирование ПЛК: стандарт МЭК 61131-3 и возможные альтернативы. - Промышленные АСУ и контроллеры, 11, 2005. С. 31-35 .

Крикливый Ю.А., Борисова Л.В., Марков В.М. АВТОМАТИЗИРОВАННАЯ ПРОЦЕДУРА ПОСТРОЕНИЯ

ФУНКЦИЙ ПРИНАДЛЕЖНОСТИ [email protected]

Центральной научной проблемой при разработке интеллектуальных

информационных систем является представление нечетких экспертных знаний рассматриваемой предметной области. Одним из основных блоков экспертной системы является блок приобретения знаний. Эксперт в диало-говом режиме имеет возможность дополнения и корректировки базы зна-ний экспертной системы.


СПИ-МП-2006

290

При идентификации предметной области необходимо характеризо-вать рассмотренные множества факторов внешней среды, множества регу-лируемых параметров рабочих органов машины и множества показателей качества работы с помощью лингвистических переменных (ЛП) (например, <Засоренность хлебостоя, %>, <Частота вращения молотильного барабана, мин-1 >, <Потери свободного зерна в соломе, %>).

При построении функций принадлежности (ФП) термов лингвистиче-ских переменных нами использовались прямые и косвенные методы, в частно-сти: метод деления ФП пополам, метод экспертной оценки, метод анализа ие-рархий и метод с использованием типовых функций.

Для оперативного решения рассматриваемой задачи разработан па-кет программ автоматизированного построения ФП. Данный пакет дает возможность реализовать четыре вышеперечисленных метода построения ФП. Программы реализованы в среде Borland Delphi 6. Решение задачи происходит в несколько этапов: ввод наименования ЛП, назначение термов ЛП, графическое изображение интервалов термов, выбор метода построе-ния ФП, формирование отчета. В зависимости от выбранного метода по-следовательность решения задачи меняется. На рисунке в качестве иллю-страции представлены результаты работы программы при построении ФП ЛП «Вероятность» с использованием метода деления значений функции принадлежности пополам.

Кручинин А.Н., Брагилевский В.Н. КЛАССИФИКАЦИЯ МЕТОДОВ ВПЛЕТЕНИЯ ФУНКЦИОНАЛА

[email protected] Современные подходы к программированию все чаще обращены к

исследованию проблемы рассредоточенности кода. Предлагаемые методы предписывают рассматривать программу, как набор сосуществующих пла-стов — граней системы, которые тесно переплетены на уровне кода, но разделены на уровне бизнес-логики. К подобным парадигмам относят расширяющее программирование, аспектно-ориентированное программи-рование, а также субъектно-ориентированное программирование и др. Од-ной из общих черт среди перечисленных подходов является необходи-


СПИ-МП-2006

291

мость выработки инструментов консолидации фрагментов логики в еди-ную систему. Такой процесс часто называют вплетением функционала (code-weaving), который базируется на специальных точках присоединения (join point), что позволяет определять состояние системы для начала осу-ществления функционала по ходу выполнения (on-the-fly, runtime mode) или в процессе написания кода/проектирования системы (design mode).

Существующая классификация методов привязки на статические и динамические, на наш взгляд, слишком широко и неконструктивно описы-вает их поведение. Введем новую классификацию существующих методов связывания по их типу:

1. Метод координат — статический подход вплетения кода на осно-ве координат функционала по коду (номера строк и позиций символов в строке). Подобный метод считается устаревшим и в настоящее время поч-ти не применяется. Редкая применимость подобного подхода ввиду край-ней неэффективности может быть замечена не в коде программ, а в текстах документаций между двумя реализациями системы для указания мест бу-дущего изменения;

2. Прямая инсталляция [1] — статический подход вплетения кода на основе точек присоединения. Код представляется одним или несколькими файлами и плагин-модулями, содержащими спецификацию, в которой ука-заны пары: точка присоединения и тело (фрагмент текста). На первом эта-пе в коде выявляются места инсталляции в основном коде, затем происхо-дит распад кода и инсталляция непосредственно прямо в текст модуля;

3. Событийный подход [2] — динамический подход вплетения кода на основе точек присоединения. Точками присоединения выступают воз-будители событий. Модули (плагин-модули) — это наборы реакций на указанные события. Для подключения этих реакций к основному коду соз-дается специальное хранилище обработчиков событий. В нем содержатся строки, содержащие идентификатор события и обработчик события. В случаи активизации в приложении заранее определенного события, через хранилище запускаются все обработчики, связанные с ним. Добавления плагин-модуля к системе влечет добавление строк в хранилище и наобо-рот. Т.о., можно подключать и отключать сквозную функциональность;

4. Статические и динамические подходы подключения модуля на основе метода сигнатур [3] отличается от уже рассмотренных подходов способом определения места вставки по коду. При прямой инсталляции часто используются комментарии, в событийном подходе — процедуры, возбуждающие необходимые события. Определение потенциальных мест инсталляции осуществляется по некоторым признакам, например, назва-ниям процедур, методов, отношениям к классу. Сигнатуры принято запи-сывать с помощью регулярных выражений и фильтров, которые однознач-но определяют места вставки внутри текста. Вместе с сигнатурой также указывается необходимый для вставки код. Модуль, набор точек вставок,

СПИ-МП-2006

292

задающихся сигнатурой и код для инсталляции наз. аспектом. Аспекты по-зволяют не указывать явно код, напрямую не связанный с логикой той или иной процедурой. Формируя сигнатуру, можно добиться действия аспекта, как на существующий код, так и на тот, который еще не написан. Приме-ром применения аспекта может быть случай, когда в программе существу-ет множество различных процедур, явно вызывающих функцию, проверки на корректность введенных пользователем данных.


1. Кручинин А.Н., Литвиненко А.Н., Метод модификации про-граммного кода на основе компонентного подхода // Сетевой электронный журнал “Системотехника. Системные проблемы надежности, качества и информационных технологий”, 2, 2004, http://systech.miem.edu.ru/2004/ n2/Litvinenko.htm

2. Салтыкова Н.Н., Литвиненко А.Н., Использование спецификаций для проектирования модифицируемых СУБД-приложений// Компьютерное моделирование. Вычислительные технологии. - Ростов-на-Дону, 2003. – 107 с.

3. Чаренцки К., Айзенекер У. Порождающее программирование. - СПб.: Питер, 2005. - 260с.

Лебеденко Е.В., Покусин Н.В. РАЗРАБОТКА АЛГОРИТМА РАСПРЕДЕЛЕННОГО УПРАВЛЕНИЯ

ЗАПРОСАМИ НА ГИБРИДНОЕ МОДЕЛИРОВАНИЕ [email protected]

Одной из основных тенденций в использовании современных вычис-

лительных ресурсов, в частности систем моделирования систем является переход от централизованного доступа к их использованию к распреде-ленному доступу. Основным преимуществом от использования такого подхода является возможность соединения территориально распределен-ных систем моделирования в модельные комплексы с качественно новыми возможностями. Так объединение имитационной и аналитической модели (например, при вычислении диапазона изменения отклика имитационной модели используется аналитическая модель) дают более широкие возмож-ности планирования и выполнения имитационного эксперимента. Необхо-димым условием при этом является только наличие среды передачи дан-ных между ними, например сети Internet.

В настоящее время методы распределенного моделирования прохо-дят активный этап стандартизации. Так например наиболее известным яв-ляется архитектурный подход High Level Architecture (HLA), определен-ный международными стандартами IEEE серии 1516.

http://systech.miem.edu.ru/2004/


СПИ-МП-2006

293

HLA – это технология, предназначенная для обеспечения взаимодей-ствия территориально распределенных участников моделирования различ-ных типов. Эта технология объединяет вместе системы, построенные для различных целей, продукты и платформы различных фирм и позволяет им взаимодействовать в едином окружении.

Одной из наиболее важных проблем при создании систем распреде-ленного моделирования является проблема координации функционирова-ния вычислительных систем, участвующих в реализации процесса распре-деленного моделирования. В общем случае эта проблема сводится к реше-нию задачи эффективного управления процессом обработки запросов на моделирование. При постановке этой задачи необходимо учитывать как временные характеристика процесса, например организацию таймаутов, синхронизирующих обмен результатами моделирования между различны-ми системами, так и факторы, связанные с надежностью функционирова-ния системы распределенного моделирования. Например, в системе с цен-трализованным диспетчером, выход его из строя приведет к потере управ-ляющей информации о запросах на моделирование и не позволит пользо-вателям системы получить результаты.

С целью повышения эффективности процесса управления в подоб-ных ситуациях был разработан алгоритм распределенного управления с виртуальным диспетчером и распределенной базой запросов на моделиро-вание, позволяющий перейти системе в стационарное состояние в случаях выхода из строя, как диспетчера, так и одного или нескольких узлов моде-лирования. В настоящее время проводится оценка качества предложенного алгоритма путем имитационного моделирования динамических свойств подобной системы, а также ее переходных и стационарных состояний.

Ляхов А.Л., Демиденко М.И. ПУТИ РЕШЕНИЯ ПРОБЛЕМЫ СЛОЖНЫХ ЗАДАЧ В СОВРЕМЕННОЙ КОМПЬЮТЕРНОЙ АЛГЕБРЕ

[email protected] Значение систем компьютерной алгебры (СКА) как средств автома-

тизации математического моделирования для современной науки и инже-нерии трудно переоценить. Вместе с тем, существуют представительные классы так называемых «сложных задач компьютерной алгебры», в ходе решения которых анализ данных и выбор способ их преобразования вы-нужденно выполняются человеком интерактивно [1,2].

На современном этапе сложность задач проявляется в дуализме двух факторов. Первый – «относительная алгоритмическая проблема» исследо-ван в [2,3]. Второй состоит во взрывном увеличении объема промежуточ-ных данных, что также очень часто делает интерактивное решение практи-


СПИ-МП-2006

294

чески невозможным [1,2]. Одним из путей ослабления влияния этого фактора сложности может

быть создание интеллектуального интерфейса, усиливающего необходи-мые качества человека при интерактивном решении. Анализ интерфейсов современных СКА показал, что все они фактически являются совокупно-стью средств, поставляемых платформой (Windows, Unix и т.д.). Таким об-разом, одно из решений указанной проблемы сводится, на наш взгляд, к ответу на вопрос: «Чем должен отличаться интерфейс СКА от интерфейса иной информационной системы?».

Другим направлением является разработка аппарата управления пре-образований, которым обладают все современные СКА, что подчеркивает актуальность и важность рассматриваемой проблемы.

В СКА предусмотрены глобальный или локальный режимы модифи-кации процедур, выполняющих преобразования, что устанавливается на этапе программирования соответствующими операторами или функциями.

Выбор преобразований. Выбор преобразований в современных СКА осуществляется автоматически путем анализа принадлежности объекта стандартному типу данных или типу, описанному в программе или инте-рактивно.

Управление подстановками. Во всех СКА замена выражений их значениями выполняется автоматически «до конца» с помощью оператора присваивания, а может быть отменена модификацией оператора присваи-вания или специальными процедурами. Замена на заданную глубину ие-рархической структуры данных поддерживается только АНАЛИТИК-2000 [4] и управляется значением специального аргумента процедуры, устанав-ливаемым на этапе программирования или интерактивно.

Приведенный обзор (подробнее см. [5]) отражает основную особен-ность нынешнего состояния аппарата управления преобразованиями:

1. Аппарат управления преобразованиями не содержит процедур для автоматической выработки критериев такого управления.

2. В настоящее время управление преобразованиями возможно на эта-пе программирования, но на основании эвристических критериев или ин-терактивно, что снова приводит к необходимости визуального анализа свойств громоздких объектов в процессе решения.

Таким образом, второе решение проблемы сложных задач состоит в создании модели управления символьными преобразованиями, что сводит-ся к конструктивному определению сложности выражений.

В работе [3] показано, что причина «взрыва» промежуточных дан-ных в представлениях о структуре данных как о совокупности отделенных выражений, на основе которых развиваются входные языки хорошо из-вестных СКА, и что в рамках этих представлений этот фактор не устра-нить. Третье решение указанной проблемы состоит в разработке СКА но-вого поколения на основе представлении о совокупности данных о задаче в

СПИ-МП-2006

295

процессе ее решения как о целостном объекте. Такие работы находятся на стадии теоретической разработки и создания прототипа [3,4].


1. Абрамов С.А., Зима Е.В., Ростовцев В.А. Компьютерная алгебра // Программирование. – 1992. – 5.– С. 4-25.

2. Ляхов О.Л. Деякі сучасні проблеми застосування чисельно-аналітичних методів// Математичні машини і системи. – 2003. - 2. – С.54-63.

3. Клименко В.П., Ляхов А.Л. Прикладная математическая задача как объект компьютерной алгебры // Математические машины и системы. – 2003. – 3-4. – С. 103-123.

4. Клименко В.П., Ляхов А.Л., Фишман Ю.С. Основные тенденции развития языков систем компьютерной алгебры // Математические маши-ны и системы.– 2002. - 2. – С. 29-64.

5. АНАЛІТИК-2000/ Морозов А.А., Клименко В.П., Фишман Ю.С., Ляхов А.Л., Кондрашов С.В., Швалюк Т.Н.// Математические машины и системы. – 2001. – 1-2. – С.66-99.

Молчанов А.А. АЛГОРИТМ ЧИСЛЕННОГО РЕШЕНИЯ ЗАДАЧИ ДИРИХЛЕ ДЛЯ

ПОЛУПЛОСКОСТИ [email protected]

В математической физике многие задачи сводятся к задаче Дирихле,

состоящей в определении значений гармонической функции во внутренних точках области её гармоничности по заданным значениям этой функции на границе области. Для такой области простого вида как полуплоскость точ-ное решение задачи Дирихле выражается в форме несобственного инте-грала по всей действительной прямой. Поскольку для практических целей граничные значения искомой гармонической функции обычно задаются по дискретной сети точек, то эти формулы мало пригодны. Задача численного несобственного интегрирования требует специального выбора сети.

В данной статье предлагается иной подход к решению задачи Ди-рихле для полуплоскости, основанный на редукции этой задачи к задаче Дирихле для круга. Основанием для такой редукции служит известное свойство инвариантности гармоничности функции при конформном ото-бражении области. При таком подходе естественным образом решается вопрос о выборе сети на границе полуплоскости. Этот выбор определяется методом численного интегрирования.

Пусть на границе верхней полуплоскости 0Im: >=∏+ zz — на дей-ствительной прямой комплексной плоскости — заданы значения ( )xH ,


СПИ-МП-2006

296

+∞<<∞− x . Требуется найти гармоническую в полуплоскости +∏ и непре-

рывную в замыкании +∏ функцию ( )yxh , так, чтобы её значения на грани-

це полуплоскости принимали заданные значения ( )xH :

( ) ( )

==∆

.0,,0

xHxhh

Конформное отображение полуплоскости

+∏ на единичный круг wΕ ( ) ( )00 / zzzzew i −−⋅= α

, 0Im 0 >z , R∈α . Обратное отображение ( )wzz = имеет вид ( ) ( ) ( )wwiwz −+⋅= 1/1 . Перенесём значения функции ( )xH в граничные точки единичного

круга ( ) ( )xHH =ω*, ( )xw=ω , 0Im =x .

Решение задачи Дирихле для круга осуществляется по известной формуле Пуассона:

( ) ( )∫ −+

=π

π

2

0

* Re21 dt

weweeHwH it

itit

, (1) θierw ⋅= , 10 << r , πθ 20 ≤≤ .

В общем случае, воспользовавшись формулой (1), задачу Дирихле можно решить для любой области, которую можно конформно и одноли-стно отобразить на единичный круг wΕ , поскольку при конформном ото-бражении свойство гармоничности сохраняется.

Мурзин В.А. СРАВНИТЕЛЬНЫЙ АНАЛИЗ КЛАССИЧЕСКОГО И НЕЧЕТКОГО

ЗАКОНОВ УПРАВЛЕНИЯ [email protected]

Наличие математических средств отражения нечеткости исходной

информации позволяет построить модель, адекватную реальности. Таким образом, новые подходы позволяют расширить сферу приложения систем автоматизации за пределы применимости классической теории.

Произведем сравнительный анализ классического и нечеткого зако-нов управления химико-технологическим процессом. Процесс представля-ет собой следующее: в реактор с изначально загруженным в него раство-ром поступает поток растворов некоторых веществ, в результате чего происходит необратимая химическая реакция и полученное вещество уда-ляется из реактора, затем процесс повторяется. В идеале уровень реагентов в реакторе будет изменяться в соответствии с рис. 1.

Переходный процесс при использовании ПИД-регулятора изображен на рис.2. Как видно, данный регулятор обеспечивает необходимую стати-


СПИ-МП-2006

297

ческую характеристику, однако дина-мика переходного процесса является явно неприемлемой для данного про-цесса.

Сформулируем нечеткий закон управления:

1. уровень нормальный – нет из-менений;

2. уровень низкий – быстро от-крываем;

3. уровень высокий – быстро закрываем;

4. уровень нормальный и увеличивается – медленно закрываем;

5. уровень нормальный и уменьшается – медленно открываем.

Из рис. 3 видно, что динамика переходного процесса является прием-лемой, пусть и ценой некоторого от-клонения от статической характеристи-ки.

Таким образом, в результате про-веденного сравнения выявлено, что не-которые процессы целесообразно опи-сывать и регулировать согласно прин-ципам нечеткой логики.

Пискунов А.А., Водовозов А.М. О ВЫБОРЕ ОПТИМАЛЬНОГО ИНТЕРВАЛА ИСПЫТАНИЙ В

МЕТОДЕ СТАТИСТИЧЕСКОЙ ИДЕНТИФИКАЦИИ ПАРАМЕТРОВ ДИНАМИЧЕСКИХ СИСТЕМ


Задачей идентификации будем называть получение математических зависимостей между сигналами на входе и выходе технологического про-цесса на основе наблюдений этих сигналов. Одними из употребляемых ме-тодов идентификации являются статистические методы, которые приме-няются в тех случаях, когда технологический процесс помимо действия основных, заранее предусмотренные «полезных» факторов, подвергается воздействию неучтенных, случайных помех.

Данные методы зачастую используют белый шум в качестве входно-го сигнала и основаны на формуле, связывающей частотную передаточную функцию системы со спектрами случайных сигналов на входе и выходе:



СПИ-МП-2006

298

)(2)()( ωωω вхSiWвыхS = . Зная передаточную функцию системы, можно определить параметры

исследуемого динамического звена, используя методы прямого поиска для функции n переменных.

Одной из задач идентификации систем является выбор оптимального интервала наблюдений, т.к. основная составляющая затрат на динамиче-ские эксперименты пропорциональна их длительности. Авторами работы предложена методика выбора минимального интервала наблюдений, осно-ванная на эргодической гипотезе, позволяющая наиболее эффективно ис-пользовать машинно-временные ресурсы. В результате проведенных ис-следований систем разных порядков сделаны следующие выводы:

1) Метод статистической идентификации гарантирует решение зада-чи при правильно выбранном интервале наблюдений.

2) Для систем первого порядка данный интервал времени должен быть как минимум в четыре раза больше постоянной времени T, характе-ризующей длительность протекающего процесса.

3) Для систем 2 и 3 порядка минимальный интервал времени опре-деляется суммированием интервалов, определенных для каждой из посто-янных времени Ti соответствующих звеньев и в общем случае подчиняется формуле:

∑=

=n

i iTmint1

4 , (1)

где n – порядок звена. 4) При единичном испытании на интервале, выбранном по формуле

(1), ошибка идентификации составляет порядка 30% для любых звеньев, как показано на рис. 1.

Рис. 1. Построение автокорреляционных функций на примере систе-

мы второго порядка в зависимости от длины интервала и количества испы-таний

5) При увеличении числа испытаний на заданном интервале в два

раза среднеквадратичная ошибка уменьшается в два раза.

СПИ-МП-2006

299

Пугачева К.В. НЕПАРАМЕТРИЧЕСКИЙ АДАПТИВНЫЙ АЛГОРИТМ УПРАВЛЕНИЯ СТАТИЧЕСКИМИ СИСТЕМАМИ

[email protected]

В настоящее время большое внимание уделяется задаче управления различными объектами (в первую очередь технологическими процессами) в условиях, когда объем априорной информации об объекте оказывается довольно малым, и сведения о функции цели, ограничениях, случайных факторах, действующих на объект, не являются исчерпывающими. В связи с этим появляется необходимость развития методов и подходов построе-ния разнообразных адаптивных систем, способных в процессе функциони-рования улучшать свои рабочие характеристики. Соответствующие адап-тивные системы разработаны на основе непараметрической статистики. Они ориентированы на меньший, чем это имеет место в классических под-ходах, объем исходной информации, требуемой для математической по-становки задачи. Адаптивный алгоритм, рассмотренный в данной работе, предназначен для управления статическими объектами в условиях непара-метрической неопределенности. Целью управления является движение вы-хода объекта по заданной траектории. Данный алгоритм способен функ-ционировать в режиме активного накопления информации, то есть можно начинать процесс управления даже при отсутствии измерений характери-стик объекта. По мере роста числа измерений алгоритм адаптивно под-страивается для получения необходимого результата.

Непараметрический адаптивный алгоритм управления имеет вид [1]:

]s[u)

Cs]i[]s[()

Csx]i[x]s[x(

)Cs

]i[]s[()Csx

]i[x]s[x(]i[u]s[u

1s

1i

*

1s

1i

*

∆+

µµ−µ

Φ−

Φ

µµ−µ

Φ−

Φ=

∑

∑−

=

−

= ,

где ]s[u – искомое управление в момент времени ]s[t , 1s,1i],i[u −= – управ-ляемое входное воздействие, ]i[x – выход объекта, ]s[x * – желаемое значе-ние выхода, s,1i],i[ =µ – неуправляемое, но контролируемое входное воз-действие, µCs,Csx – параметры размытости, ]s[u∆ – изучающая добавка.

Параметры размытости и изучающая добавка в значительной степе-ни определяют результат работы алгоритма. Проведенные исследования говорят о его высокой работоспособности даже при высокой размерности исходной задачи.


1. Медведев А.В. Актуальные проблемы информатики, прикладной математики и механики: Сб. науч. тр. / Новосибирск – Красноярск. Изда-тельство СО РАН. 1996. Часть 3. С.87–112.


СПИ-МП-2006

300

Селиванова Е.В. ПОСТРОЕНИЕ НАБЛЮДАТЕЛЯ НА ОСНОВЕ ДИНАМИЧЕСКИХ

НЕЙРОННЫХ СЕТЕЙ [email protected]

Рассматривается возможность построения нелинейного наблюдателя

сложных динамических систем на основе нейронных сетей, где процесс измерения сопровождается ошибками.

Модель объекта управления (ОУ) может быть записана в векторном виде:

)()),(),(()( twttutxftx +=& , (1) где )(tx - вектор состояний размерности n ; )(⋅f - вектор-функция размер-ности n ; )(tu - управляющее воздействие; )(tw - шумы, действующие на систему.

Искусственная нейронная сеть (ИНС), используемая в качестве на-блюдателя, является дискретной системой, поэтому измерения произво-дятся дискретно. Модель измерений в общем случае является нелинейной и имеет вид

kkk xgy ξ+= )( , (2) где ky - вектор дискретных измерений в момент времени Tktk ⋅= , T - пери-од дискретизации; )(⋅g - вектор-функция; kξ - вектор шумов измерения.

Требуется синтезировать нейросетевой нелинейный фильтр для оценки вектора состояний объекта управления (1) по данным измерений (2). Задача фильтрации состоит в построении наилучшей в среднеквадра-тичном смысле оценки вектора )(tx по результатам наблюдений y на от-резке [ ]t,0 , то есть для дискретного случая min)( 2 →−∑

kkk xx , где kx —

оцененный вектор состояния. Статические ИНС способны аппроксимировать только статические

функции. Эти сети характеризуется тем, что в их составе нет элементов за-паздывания и обратных связей. Идентификация динамических систем на-оборот, требует использования моделей с элементами запоминания.

Чтобы статические нейронные сети можно было использовать в ка-честве наблюдателей динамических объектов, необходимо ввести динами-ку. В такой сети к традиционному нейроподобному элементу, вычисляю-щему взвешенную сумму его входов и затем осуществляющего её нели-нейное преобразование )(⋅f , добавляются элементы задержки pzz −− ,,1 K , где p - количество задержанных сигналов. Такая сеть имеет способность связывать и сравнивать текущие входы с предыдущими событиями.

Благодаря подаче задержанных сигналов с выхода ИНС на вход та-кая сеть приобретает динамические свойства и её можно использовать в качестве наблюдателя в реальной системе управления.


СПИ-МП-2006

301

Тараканов Д.В. ОРГАНИЗАЦИЯ АЛГОРИТМИЧЕСКИХ СХЕМ МОДЕЛИРОВАНИЯ

Е-СЕТЕВЫМ АППАРАТОМ [email protected]

Одной из важнейших составляющих динамических моделей дис-

кретно-непрерывных систем является алгоритмическая схема моделирова-ния (АСМ). Данные схемы моделируют непрерывные процессы в системах с сосредоточенными и распределенными параметрами. В работах [1, 2] из-ложены основные принципы и методы построения алгоритмических сете-вых моделей, реализующие численные методы Эйлера, Рунге–Кутта и т.д. Существующие алгоритмические схемы моделирования обладают жесткой структурой преобразования данных и служат для имитации только заранее заданного непрерывного процесса, поэтому они не могут использоваться в адаптивных и самонастраивающихся системах моделирования. Отличи-тельными особенностями АСМ являются достаточно простой принцип формализации вычислительного процесса и возможность его реализации в программных комплексах. В ходе проведенного анализа существующих математических методов описания сложных технических систем предлага-ется использовать аппарат Е-сетевого моделирования. Данный выбор ос-нован на том, что Е-сети обладают большей моделируемой мощностью. Характерной особенностью Е-сетевых схем является возможность модер-низации параметров операторов, структуры модели в процессе работы АСМ, что позволяет моделировать параметрические системы с переменной структурой.

Рассмотрим Е-сетевой вариант построения динамической модели системы, которая описывается конечно-разностным уравнением

][...]1[][][...]1[][ 0101 kubmkubmkubkyankyanky mmn ++−+++=++−+++ −− (рис. 1). Перед началом имитации динамических процессов необходимо за-

дать вектор начальных условий )( 0tX с помощью маркировки сети M0=(PA0[X1],…,PAN[Xn]). При появлении во входной позиции input фишки с записанным в атрибуте уровнем входного воздействия, происходит ини-циализация вычислительных процессов, в результате которого АСМ ими-тирует процесс перехода системы из одного состояния в другое за интер-вал времени ∆tАСМ. Процесс завершения фазы вычисления в Е-сетевой АСМ возможен в следующих случаях:

1)yвых(n)-yвых(n-1)<ε, где: ε – заранее определенная погрешность вычисления;

2) в результате обработки команды прерывания, которая поступила из подсистемы профилирования модели;

3) при переполнении разрядной сетки (в результате моделирования неустойчивых процессов).


СПИ-МП-2006

302

СF1

СF2

СFN

Cz-1

СK

input Cz-1

СSUM1 СSUM2

Σ output

PAN

PAN-1

PAN0

СSUMN

.

.

.

Рис. 1. Е-сетевая схема моделирования динамических процессов Вычисление переменных состояния системы осуществляется за счет

требуемой маршрутизации и вычисления атрибутов фишек. Элементы Е-сетевой АСМ осуществляют следующие преобразования:

1) вычисление коэффициентов K1,…,KN, осуществляемые переходом СK;

2) суммирование значение атрибутов фишек осуществляется макро-переходами СSUM(i);

3) выполнение операции «интегрирования». Переход СZ-1 осуществ-ляет задержку продвижения фишки на период дискретизации T0;

4) вычисление сигналов в каналах обратной связи. Данное преобра-зование обеспечивают переходы СF1,…,СFN, ρСFi:Atrin[Fi]→Atrout[Fi].

Срабатывание переходов в Е–сетях носит асинхронный характер, причем для адекватного функционирования АСМ длительность срабаты-вания перехода «задержка – e-s⋅T0» должна быть значительно больше, чем у других Е-сетевых переходов: tZ-1>>tK, tSUM, tFn.

Анализ работы АСМ подтверждает, что Е-сетевая реализация модели позволяет не только значительно сократить размерность динамической модели, но и обеспечить автоматический процесс структурно-параметрической адаптации динамической модели.


1. Алгоритмическое моделирование: инструментальные средства и модели/ Сб. науч. тр. – СПб.: СПИИРАН, 1992. – 205 с.

2. Вопросы алгоритмического моделирования сложных систем/ Сб. науч. тр. – Л.: ЛИИАН, 1989-235с.

СПИ-МП-2006

303

Усков А.А., Санатин Д.В. ГИБРИДНАЯ ПОЛИНОМИАЛЬНО-РАДИАЛЬНОБАЗИСНАЯ

НЕЙРОННАЯ СЕТЬ [email protected]

Предложена гибридная полиномиально-радиальнобазисная нейрон-

ная сеть (HPRBFN от Hybrid Polynomial Radial Basis Function Network) [1], структурно состоящая из радиально-базисной части (РБЧ), полиномиаль-ной части (ПЧ) и блока взвешенного суммирования (БВС) (см. рис. 1), от-личающаяся от известных алгоритмом обучения, в процессе выполнения которого независимо обучаются полиномиальная и радиально-базисная части сети, что в ряде случаев, при наличии аддитивного шума в обучаю-щей выборке, позволяет существенно повысить точность моделирования, по сравнению с традиционными, как полиномиальными, так и радиально-базисными нейронными сетями [2].

Рис. 1. Структура гибридной полиномиально-радиальнобазисной

нейронной сети: РН r – радиальные нейроны, ∑ – блоки суммирования, ∏ k – пи-нейроны, ÷ – блок деления


1. Усков А.А., Санатин Д.В. Гибридная полиномиально-радиальнобазисная нейронная сеть// Нейрокомпьютеры: разработка, при-менение. 2005. 12.

2. Усков А.А., Санатин Д.В. Сравнение алгоритмов идентификации сложных объектов// Нейрокомпьютеры: разработка, применение. 2005. 5.


СПИ-МП-2006

304

Усков А.А., Санатин Д.В. ОБОБЩЕННАЯ НЕЧЕТКАЯ МОДЕЛЬ ДИНАМИЧЕСКОГО

ОБЪЕКТА [email protected]

Предложена обобщенная нечеткая модель динамического объекта

(ОНМДО), применимая для описания широкого класса одномерных дина-мических объектов, встречающихся на практике. Данная модель включает, как подкласс, математическое описание объектов управления использую-щееся в большинстве работ по нечеткому управлению [1].

Определение 1. Под обобщенной нечеткой моделью динамического объекта понимается математическая модель с четкими входными сигнала-

ми (u – управляющим воз-действием, δ – контроли-руемым возмущающим воз-действием, ε – неконтроли-руемым возмущающим воз-действием) и выходным сигналом y , состоящая из линейного динамического

звена (ЛДЗ) и блока нечеткого логического вывода (БНВ) и имеющая структуру, приведенную на рис. 1.

Предполагается, что линейное динамическое звено описывается сис-темой векторно-матричных разностных уравнений:

,

,1

kkk

kkk

zx

zz

ξ+=

ξ+=+rrr

rrr

DC

BA (1)

где DCBA ,,, – заданные постоянные матрицы, [ ]Tkkkk yu ~,,δ=ξr

, k – но-мер такта.

Блок нечеткого логического вывода реализует функциональную за-висимость на основе алгоритма нечеткого вывода Сугэно [1].

Разработаны алгоритмы идентификации сложных динамических объектов на основе экспертных оценок и экспериментальных данных, ис-пользующие ОНМДО.


1. Усков А.А., Кузьмин А. В. Интеллектуальные технологии управ-ления. Искусственные нейронные сети и нечеткая логика. – М.: Горячая Линия – Телеком, 2004.

2. Усков А.А. Обобщенная модель динамического объекта на основе нечеткой нейронной сети // Нейрокомпьютеры: разработка, применение. 2004. 5-6.

Рис. 1. Обобщенная модель динамического объекта


СПИ-МП-2006

305

Издательство "Научная книга", Воронежский государственный технический университет, Липецкий государственный технический университет,

Международный университет компьютерных технологий, Бакинский государственный университет

сообщают о требованиях, предъявляемых к статьям, предоставляемым в международ-ный научно-технический журнал "Информационные технологии моделирования и управления", являющийся преемником одноименного сборника научных трудов.

Языки:

• русский; • английский.

Основные направления:

• Телекоммуникации в образовании. • Анализ и синтез сложных систем. • Моделирование сложных систем и технологических процессов. • Информационные технологии в экономике. • Телекоммуникационные системы и приложения. • Информатизация в юриспруденции. • Информационные технологии в медицине. • Автоматическое и автоматизированное проектирование энергетиче-

ских, электромеханических и технологических систем. • Информационные системы и их приложения.

Даты Международный научно-технический журнал "Информационные технологии

моделирования и управления" издается не реже 6 выпусков в год. Требования к материалам Материалы должны содержать инициалы и фамилии авторов, название (боль-

шими буквами), название организации, представляющей статью, E-Mail. Размер статьи должен находиться в пределах от 5 до 10 страниц стандартного машинописного текста (при размере шрифта 14 pt, шрифт Times New Roman, страница A4, поля 25 мм всюду, одинарный межстрочный интервал). Текст должен быть набран в формате WORD. Ри-сунки должны содержаться в отдельных графических файлах (bmp, jpg, gif, tif, wmf). Рисунки включаются в текст статьи "не поверх текста", "не хранить в документе". Спи-сок использованных источников обязателен.

Материалы предоставляются по электронной почте [email protected] в присоеди-ненном файле-архиве (WinRar, WinZip). В архиве с материалами в отдельном файле должны содержаться:

• сведения об авторах (фамилия, имя, отчество, место работы и должность, уче-ная степень, звание, почтовый - с индексом - и электронный адрес);

• указание на количество заказываемых экземпляров; • обязательство уплаты оргвзноса - ориентировочно около 70 (90 - вне России)

рублей (при оплате за наличный расчет) за одну страницу статьи в одном экземпляре журнала вместе со стоимостью пересылки в ценах декабря 2005 г.). Цена одной стра-ницы при безналичной оплате - 100 руб., включая НДС. Например, оргвзнос (при опла-те за наличный расчет) за один экземпляр журнала, включающего авторскую статью объемом 6 страниц, составит 420 руб. для России и 540 руб. для авторов из-за рубежа.


СПИ-МП-2006

306

Авторский указатель Bell B.G. 216 Абылхасенова Д.К. 263 Авсеева О.В. 160 Акимов С.В. 216, 265 Алексейчик М.И. 267 Андреева О.А. 268 Арнаутов А.А. 161, 270 Артемов А.А. 163 Аюев В.В. 272 Багирова М.А. 161, 270 Баймуханов З.К. 209 Барабанов В.Ф. 197, 219 Блюмин С.Л. 275, 277 Борисова Л.В. 289 Брагилевский В.Н. 218, 290 Брагин Д.М. 219 Бугайченко Д.Ю. 220 Будников С.А. 222, 223 Веригин А.Н. 167, 172, 176 Вильдяев А.А. 164 Водовозов А.М. 224, 297 Воробьев А.В. 182 Воронов Е.А. 207 Гаврилов А.В. 165 Гаджиев Ю.А. 278 Гинис Л.А. 279 Гусинская Е.И. 166 Данильчук В.С. 167, 172, 176 Демиденко М.И. 293 Деркачев А.Н. 281 Десятов А.Д. 225, 282 Джевага К.А. 207 Драгныш Н.В. 226, 227 Думачев В.Н. 180, 282, 283 Енина Е.П. 284 Жеглов С.В. 215 Заблоцкий С.Г. 181 Запевалов А.В. 182 Захаров С.А. 186 Зубков В.П. 285 Зюбин В.Е. 287

Кавалеров М.В. 183 Калытка В.А. 209 Капитонихин А.С. 233 Качанова М.Н. 222 Клепиков И.Н. 224 Колоколов И.А. 228, 235, 258 Коровяковский Е.К. 184 Кочегурова Е.А. 255 Кравец О.Я. 161, 232, 270 Крикливый Ю.А. 289 Кроль Т.Я. 233 Кручинин А.Н. 218, 235, 290 Крылов М.В. 233 Кузнецов Е.П. 185 Кузнецов Р.В. 236 Кукетаев Т.А. 209 Кязимов Дж.К. 237 Лебеденко Е.В. 292 Литвиненко А.Н. 228, 235, 258 Лысаков К.Ф. 238 Ляхов А.Л. 186, 239, 293 Малафеева Т.В. 241, 285 Маринченко Ю.А. 242 Марков В.М. 289 Мельникова И.В. 188 Мкртычев С.В. 195 Молчанов А.А. 196, 295 Мурзин В.А. 296 Мялицин В.В. 247 Немец С.Ю. 277 Пискунов А.А. 297 Плахотнюк О.С. 197, 250 Покусин Н.В. 292 Пугачева К.В. 299 Рейтер А.А. 198 Родин В.А. 180 Санатин Д.В. 303, 304 Сафонов А.И. 232 Севрюков Н.Н. 201 Селиванова Е.В. 300 Семко И.А. 204 Сидорский Ф.П. 251 Соловьев И.П. 220

СПИ-МП-2006

307

Соломоненко П.А. 284 Сороковиков В.Н. 253 Сосновский Ю.В. 254 Статников И.Н. 205 Суханов В.Ф. 277 Тараканов Д.В. 301 Тарасов А.С. 206 Теличко Л.Я. 206 Титов Р.А. 207 Тонконогов М.П. 208, 209 Усков А.А. 303, 304 Фадеев А.С. 255 Фазылов К.К. 208, 209 Филатов И.Ю. 210, 212 Фирсов Г.И. 205 Хмелевской К.Г. 250 Цыбин А.Е. 215 Чистяков П.Н. 233 Шевердина Е.В. 257 Шевчук С.В. 167, 172, 176 Ширшин И.С. 228, 258 Шпанагель О.В. 223 Штарёв В.Н. 253 Щетинин А.В. 215 Юмагужин Н.В. 261

СПИ-МП-2006

308

Содержание

Введение 159

5. Моделирование и анализ в прикладных задачах 160 Авсеева О.В. Моделирование тепловых и термомеханических эффектов, возникающих в структуре микроэлектроных устройств при воздействии радиации 160

Арнаутов А.А., Багирова М.А., Кравец О.Я. Повышение эффективности менеджмента на основе оптимизации транспортного обслуживания 161

Артемов А.А. Анализ векторных полей автономных нелинейных систем дифференциальных уравнений ХТС с различными ЗУ 163

Вильдяев А.А. приближенные методы решения задачи JOB SHOP теории расписаний 164

Гаврилов А.В. Комбинированная модель транспортной сети 165 Гусинская Е.И. Новый подход к построению цифровых банков фильтров с полным восстановлением 166

Данильчук В.С., Веригин А.Н., Шевчук С.В. Влияние геометрической формы зоны разделения воздушного классификатора на эффективность разделения 167

Данильчук В.С., Веригин А.Н., Шевчук С.В. Исследование влияния геометрии зоны разделения на эффективность классификации дисперсных материалов 172

Данильчук В.С., Веригин А.Н., Шевчук С.В. Моделирование траекторий движения частиц в зоне разделения воздушного классификатора 176

Думачев В.Н., Родин В.А. Циклические решения и фрактальные образования системы, описывающие антагонистические отношения 180

Заблоцкий С.Г. Непараметрический адаптивный алгоритм управления многомерным одноэкстремальным статическим объектом 181

Запевалов А.В., Воробьев А.В. Мгновенная реконфигурация Е–сетевых моделей 182

Кавалеров М.В. Вычисление оценок параметров выполнения запросов, формируемых задачами реального времени, в условиях планирования с фиксированными приоритетами 183

Коровяковский Е.К. Математическая модель соударения вагонов 184 Кузнецов Е.П. Многоскоростная адаптивная фильтрация в задачах эхо-компенсации 185

Ляхов А.Л., Захаров С.А. Абстрактное отношение зависимости в современных системах компьютерной алгебры 186

Мельникова И.В. К вопросу о математическом моделировании экстремального разрешения в дистанционном зондировании 188

Мкртычев С.В. Имитационная модель системы учета материальных потоков для производств передельного типа 195

Молчанов А.А. Параметрическое описание головы человека для фотореалистического визуального моделирования 196

Плахотнюк О.С., Барабанов В.Ф. О декомпозиции математической модели в интерактивной среде моделирования 197

СПИ-МП-2006

309

Рейтер А.А. Анализ временных рядов, загрязненных «окрашенным» шумом 198 Севрюков Н.Н. Сбор данных для имитационного моделирования с использованием технологии Cisco Netflow 201

Семко И.А. Проектирование следящих систем на основе авторегрессионных-регрессионных моделей (АРРМ) 204

Статников И.Н., Фирсов Г.И. Методы энтропийного анализа в задачах оптимального проектирования методом ПЛП-поиска 205

Теличко Л.Я., Тарасов А.С. Особенности моделирования асинхронного двигателя для электропривода ленточного конвейера в среде Simulink 206

Титов Р.А., Воронов Е.А., Джевага К.А. Адаптивный алгоритм встраивания цифрового водяного знака для защиты изображений от несанкционированного использования 207

Тонконогов М.П., Фазылов К.К. Прогнозирование применения в элементах памяти нанометровых пленок льда 208

Тонконогов М.П., Кукетаев Т.А., Калытка В.А., Фазылов К.К., Баймуханов З.К. Расчет размерных эффектов в нанометровых слоях кристаллов с водородными связями (КВС) при их поляризации 209

Филатов И.Ю. Использование нечётких множеств для классификации объектов в современных системах навигации 210

Филатов И.Ю. Позиционирование объектов в инерциальных навигационных системах на основе универсальных алгебр 212

Щетинин А.В., Жеглов С.В., Цыбин А.Е. Построение регрессионной модели образования пористости в отливке с использованием вычислительного эксперимента 215

6. Программное обеспечение и СУБД 216 Bell B.G. Development of the “NSCS” Complex of Programs 216 Акимов С.В. Метод замещения комментариев для создания кода программного обеспечения 216

Брагилевский В.Н., Кручинин А.Н. Об одном методе представления графовых структур в XML 218

Брагин Д.М., Барабанов В.Ф. Интеграция систем проектирования и моделирования при разработке электронных средств 219

Бугайченко Д.Ю., Соловьев И.П. Архитектура изолированного интеллектуального агента 220

Будников С.А., Качанова М.Н. Проблема антивирусной безопасности 222 Будников С.А., Шпанагель О.В. Проблемы защиты от зловредного программного обеспечения 223

Водовозов А.М., Клепиков И.Н. Разработка программно-аппаратного комплекса для исследования программируемой логики 224

Десятов А.Д. О задаче синтеза оптимальной системы защиты информации 225 Драгныш Н.В. Требования к среде разработки сложных программных систем 226 Драгныш Н.В. Язык запросов среды разработки сложных программных систем 227

Колоколов И.А., Литвиненко А.Н., Ширшин И.С. XML моделирование экранных форм 228

СПИ-МП-2006

310

Кравец О.Я., Сафонов А.И. Особенности реализации многосерверной системы сопровождения аттестационных дел 232

Кроль Т.Я., Чистяков П.Н., Крылов М.В., Капитонихин А.С. Интеграция САПР на основе модели объектно-ориентированной декомпозиции 233

Кручинин А.Н., Литвиненко А.Н., Колоколов И.А. Фактор транзакционности в жизненном цикле программы 235

Кузнецов Р.В. Проблемы одновременного доступа к данным 236 Кязимов Дж.К. Модель параллельных вычислений на основе графа потоков данных 237

Лысаков К.Ф. Применение ВМПП для создания высокопроизводительных вычислительных устройств и систем 238

Ляхов А.Л. Спецификации входного языка СКА нового поколения 239 Малафеева Т.В. Элементы реализации ЕЯ-интерфейсов к реляционным БД 241 Маринченко Ю.А. Универсализация фильтрации и запроса данных SQL-сервера в VFP 242

Мялицин В.В. Тенденции развития языковых средств описания задач 247 Плахотнюк О.С., Хмелевской К.Г. Разработка интерактивной среды численного исследования математических моделей 250

Сидорский Ф.П. Разработка методики системного анализа для исследования рекуррентной архитектуры 251

Сороковиков В.Н., Штарёв В.Н. Применение принципов многоуровневой архитектуры к созданию интерфейса прикладных программных систем 253

Сосновский Ю.В. Усреднение результатов имитационного моделирования нестационарных систем обработки и передачи данных 254

Фадеев А.С., Кочегурова Е.А. К вопросу о преобразовании музыкальных форматов 255

Шевердина Е.В. Комплексирование измерительных модулей и субд результатов экспериментов в условиях научно-исследовательской лаборатории 257

Ширшин И.С., Литвиненко А.Н., Колоколов И.А. Моделирование сложных программных объектов 258

Юмагужин Н.В. Построение системы сбора данных без использования централизованных справочников 261

7. Теория моделирования и анализа 263 Абылхасенова Д.К. Программы на службе моделирования 263 Акимов С.В. Система компьютерного моделирования множества альтернатив 265

Алексейчик М.И. О временных средних стационарных процессов 267 Андреева О.А. Решение транспортной задачи типа MINSUM-MINSUM 268 Арнаутов А.А., Багирова М.А., Кравец О.Я. Структурно-функциональное моделирование распределенных образовательных систем 270

Аюев В.В. Некоторые аспекты обобщения самоорганизующихся карт Кохонена 272

Блюмин С.Л. Нечеткие соотношения: «Смута» и «Беззаконие» 275 Блюмин С.Л., Немец С.Ю., Суханов В.Ф. Эмпирическое сравнение и комбинирование методов прогнозирования 277

Гаджиев Ю.А. Простой арифметический код 278

СПИ-МП-2006

311

Гинис Л.А. Моделирование сложных слабоструктурированных систем на основе нечетких когнитивных карт 279

Деркачев А.Н. Изменение модели нейронной сети для работы с нечеткими входными переменными 281

Десятов А.Д., Думачев В.Н. Классическая проверка квантовых вычислений 282 Думачев В.Н. Инварианты Пуанкаре задачи Эйлера 283 Енина Е.П., Соломоненко П.А. Поэтапно-иерархическая процедура оптимизации при обосновании парадигмы управления 284

Зубков В.П., Малафеева Т.В. Представление формул исчисления предикатов в семантических сетях 285

Зюбин В.Е. Гипер-автомат – математическая модель сложных алгоритмов управления 287

Крикливый Ю.А., Борисова Л.В., Марков В.М. Автоматизированная процедура построения функций принадлежности 289

Кручинин А.Н., Брагилевский В.Н. Классификация методов вплетения функционала 290

Лебеденко Е.В., Покусин Н.В. Разработка алгоритма распределенного управления запросами на гибридное моделирование 292

Ляхов А.Л., Демиденко М.И. Пути решения проблемы сложных задач в современной компьютерной алгебре 293

Молчанов А.А. Алгоритм численного решения задачи Дирихле для полуплоскости 295

Мурзин В.А. Сравнительный анализ классического и нечеткого законов управления 296

Пискунов А.А., Водовозов А.М. О выборе оптимального интервала испытаний в методе статистической идентификации параметров динамических систем 297

Пугачева К.В. Непараметрический адаптивный алгоритм управления статическими системами 299

Селиванова Е.В. Построение наблюдателя на основе динамических нейронных сетей 300

Тараканов Д.В. Организация алгоритмических схем моделирования е-сетевым аппаратом 301

Усков А.А., Санатин Д.В. Гибридная полиномиально-радиальнобазисная нейронная сеть 303

Усков А.А., Санатин Д.В. Обобщенная нечеткая модель динамического объекта 304

Информационные технологии моделирования и управления: правила оформления статей 305

Авторский указатель 306

СПИ-МП-2006

312

Научное издание

Современные проблемы информатизации в моделировании и программировании

Сборник трудов. Выпуск 11

Материалы опубликованы в авторской редакции

Подписано в печать 30.12.2005 г. Формат 16×8416

1 . Бумага офсетная.

Печать трафаретная. Гарнитура «Таймс». Усл. печ. л. 9,75. Уч.-изд. л. 9,6. Заказ 177. Тираж 500.

ООО Издательство «Научная книга» 394077, Россия, г.Воронеж, ул. Маршала Жукова, 3-244

http://www.sbook.ru/

Отпечатано ООО ИПЦ «Научная книга» Россия, г.Воронеж, пр. Труда, 48

(0732)297969

http://www.sbook.ru/

Современные проблемы информатизации в моделировании...

Documents

Transcript of Современные проблемы информатизации в моделировании...